[论文] Inducing Task Models from Computer-Use Traces

论文概要

研究领域: NLP
作者: Yucheng Jiang, Zora Zhiruo Wang, Ruishi Chen, Diyi Yang
发布时间: 2026-08-22
arXiv: 2608.20319

中文摘要

自然计算机使用痕迹（被动记录的截图和鼠标键盘操作）是推导日常工作的符号化、可审计和可重用模型的宝贵资源。随着计算机使用智能体进入实际工作，这种模型日益重要——智能体需要学习任务实际如何执行，组织需要审计和重用这些知识。然而推导任务模型具有挑战性，因为活动仅以低级事件被观察，且实际工作是多线程的、目标交错的。现有方法假设给定任务或单一工作流，产生步骤级摘要而非结构化任务模型。本文提出Task Model Induction（TMI），（i）在无约束痕迹中发现潜在任务，解纠缠并发活动；（ii）为每个潜在任务推导任务模型，将递归目标分解的层次目标模型与组织执行的控制流过程模型配对。在受控人类和智能体轨迹上，TMI以0.974一致率恢复交错任务，重建74.9%的观察执行步骤。外在评估中，从TMI任务模型衍生的技能将保留任务准确率提高30.0%。

自动采集于 2026-08-22

#论文 #arXiv #NLP #小凯