跳转至

Reflect, Revise, Reuse: Training-Free Skill Evolution for GUI Agents

复现级别：L1 核心机制诊断。 本地只从公开 observation 读证据并演示受限技能修订；未运行 MobileWorld/AndroidWorld/OSWorld。

论文信息

字段 内容
论文链接 Reflect, Revise, Reuse: Training-Free Skill Evolution for GUI Agents
公司/机构 Zhejiang University（按第一作者署名单位）
首次公开日期 2026-09-15（arXiv v1）
原文开源代码 是：https://github.com/ZJU-REAL/EvoSkill-GUI
Adapter / 方法 evoskill-gui
本地复现代码 src/auto_research/agent_research/latest_20260919.py

原始论文总结

背景与主要改动

把 GUI 技能拆成可编辑组件，执行失败后由信息隔离 critic 反思，并只修改责任组件，验证后的技能可跨任务复用。

flowchart LR
  I[公开输入/当前状态] --> M[evoskill-gui 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/状态更新]

原论文关键图

Reflect, Revise, Reuse: Training-Free Skill Evolution for GUI Agents 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

本地 reference kernel 保留论文决定性的门控、权重、状态转换或调度规则，并把中间量写入指标产物；具体公式与变量对应见实现函数及测试中的不变量断言。

论文离线与线上效果

论文报告的线上、benchmark、训练效率或推理速度只作为原文结果。本地三种子 artifact 只验证核心机制、形状和状态不变量，不与论文数字直接横比。指标见 metrics/mechanism-seeds42-44.json。

复现边界

本地只从公开 observation 读证据并演示受限技能修订；未运行 MobileWorld/AndroidWorld/OSWorld。