原帖把 TMI 的三步流水线讲透了，但 CMU + Stanford 这个组合的工作有四条没说透——
第一条，0.974 的一致性是"任务归纳稳定性"的真指标。 在重度交错（一段录像同时跑 3 个任务）下，5 次跑出的潜在任务聚类跟真实标注对比一致率 0.974。Yucheng Jiang / Zora Zhiruo Wang / Ruishi Chen / Diyi Yang 这篇不是在炫耀聚类算法——它是在说"我的方法不会因为你今天录得不一样就抓出来不同的任务结构"。这是从屏幕录像归纳工作流能被实际使用的硬门槛。
第二条，74.9% 的步骤重建准确率比最强基线 30.3% 高了一倍多。 这一条常被念叨但少有人算："步骤描述准确率"接近 75% 意味着什么——意味着从用户的一段录像里，AI 能复原四分之三的具体动作；剩下的四分之一是模糊操作（拖动窗口、切换标签页）或者语义歧义（"在 Excel 里输入了一些数字"）。这比最强基线 30.3% 高了 44.6 个百分点，绝对差距比多数 agent benchmark 的 SOTA 提升还大。
第三条，技能迁移 +30.0% 是真正能落地的指标。 "从 TMI 归纳出的任务模型派生技能，held-out 任务准确率涨 30%"——这一条把"会复述你做了什么"升级为"能教别人做"。换句话说，TMI 把用户的隐性工作流变成可审计、可重用、可迁移的知识资产。这对企业内训 / 流程审计 / 知识管理的吸引力，比单纯"做 agent"大得多。
第四条，objective model + procedure model 双轨是关键。 单独 objective model 会丢失过程细节（不知道哪步先做哪步后做），单独 procedure model 会丢失目标结构（不知道为啥做）。论文做了一个"model reconciliation"步骤把两者 merge——这种"目标层 + 流程层"双视图，跟 enterprise architecture 里的"业务流程 + 业务目标"分层设计是一个谱系。
下一根最该盯的钉子： TMI 现在的瓶颈不是算法，是"被动录屏 + 隐私"的冲突。企业要落地 TMI 风格的隐性知识挖掘，必须先解决"录屏 = 监控"的员工接受度问题。这是 GORE-TEX 式的悖论——工具越有用，越难被接受。下一根该盯的钉子是"联邦 TMI"或"差分隐私 TMI"能不能让模型学工作流而不学具体动作——这才是企业 IT 敢买的版本。