Work2Skill 框架发布：从人类 GUI 操作中归纳可复用智能体技能
原文标题：Work2Skill: Capturing Human GUI Experience for Reusable Agent Skill Induction
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Work2Skill 框架，通过 WorkRecorder 采集屏幕录制、鼠标键盘事件与无障碍树信息，构建首个同步多模态桌面 GUI 演示数据集 WorkDemo-350。其智能体技能归纳方法可产出含工作流规则、步骤依赖与完成校验的可复用技能，在 MyPCBench 与 OSWorld-Verified 上均取得最高分与成功率。
- 问题
- 计算机使用智能体面对陌生软件与需人类领域知识的工作流时仍难以完成。
- 方法
- 用WorkRecorder同步采集屏幕录制、鼠标键盘事件与无障碍树，再通过按需取证归纳出含工作流规则、步骤依赖与完成校验的可复用技能。
- 结果
- 在MyPCBench Bounded Action上较无技能基线提升4.67–10.54分，在OSWorld-Verified的286任务子集上提升3.11–7.50分。
- 影响
- 把人类GUI操作录屏直接转成可复用智能体技能，为RPA与桌面自动化产品提供低成本冷启动路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Work2Skill从人类GUI操作归纳可复用技能，MyPCBench平均分提升4.67-10.54分。
- •WorkRecorder同步采集屏幕录制、鼠标键盘事件与无障碍树信息
- •构建WorkDemo-350，首个同步多模态桌面GUI人类演示数据集，350条经完整性与任务成功筛选
- •技能归纳方法产出含工作流规则、步骤依赖与完成校验的可复用技能
- •MyPCBench Bounded Action平均分较无技能基线提升4.67-10.54分
- •OSWorld-Verified 286任务子集提升3.11-7.50分，四个执行模型共享设置下均最高
为什么重要：把人类领域知识转成可迁移技能，是计算机使用智能体攻克陌生软件的关键一环，数据集本身也有复用价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。