AI 范式雷达：《ScaleCUA — 可验证数据合成如何突破 Computer Use Agent 的能力天花板》

Jul 15, 2026 · 2 mins read

如果你正在构建 Computer Use Agent（CUA），你可能已经发现一个令人沮丧的事实：你的模型在 OSWorld 上跑不过参数量大它四倍的竞品。这不是模型能力的问题——而是训练数据的问题。清华大学和 Z.AI 团队在 arXiv:2607.11185 中提出的 ScaleCUA，首次系统性地解决了 CUA 领域最核心的瓶颈：可验证训练数据的稀缺性。本文将带你理解它的三大创新如何共同作用，让开源 CUA 在 OSWorld 上达到 68.7% 的 SOTA 水平。

一分钟读论文：《Function-Aware Fill-in-the-Middle 作为编码 Agent 基础模型的中期训练》

一分钟读论文：《Function-Aware Fill-in-the-Middle 作为编码 Agent 基础模型的中期训练》

In AI, Engineering, 1 min read
一分钟读论文：《E3：AI Agent 何时知道任务很简单？》

一分钟读论文：《E3：AI Agent 何时知道任务很简单？》

In AI, Engineering, 1 min read
一分钟读论文：《StructAgent：用因果结构驾驭长程数字Agent》

一分钟读论文：《StructAgent：用因果结构驾驭长程数字Agent》

In AI, 1 min read

一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》

Google DeepMind 研究科学家和华盛顿大学教授合作的一篇论文《Scratch Copilot: Supporting Youth Creative Coding with AI》，首次提出了专门为儿童设计的 AI 编程助手——Scratch Copilot，这是一个集成在类 Scratch 环境中的 AI 助手，为青少年提供创意编程支持。

Read More

一分钟读论文：《被掏空的一天：软件工程师的日常》

作为团队的 Leader，如何通过改进流程和⼯具，并最终提⾼团队⽣产⼒呢？可以参考微软研究院和英国伦敦大学、瑞士苏黎世大学信息学系合著的论文《Today was a Good Day: The Daily Life of Software Developers》。该论文分析了微软工程师的5,971份问卷结果，发现工程师「良好」和「典型」的工作日是怎么样，并总结了使良好的工作日成为典型的建议：

Read More

All

AI 范式雷达：《ScaleCUA — 可验证数据合成如何突破 Computer Use Agent 的能力天花板》

如果你正在构建 Computer Use Agent（CUA），你可能已经发现一个令人沮丧的事实：你的模型在 OSWorld 上跑不过参数量大它四倍的竞品。这不是模型能力的问题——而是训练数据的问题。清华大学和 Z.AI 团队在 arXiv:2607.11185 中提出的 ScaleCUA，首次系统性地解决了 CUA 领域最核心的瓶颈：可验证训练数据的稀缺性。本文将带你理解它的三大创新如何共同作用，让开源 CUA 在 OSWorld 上达到 68.7% 的 SOTA 水平。

In AI, ParadigmRadar, 2 mins read
AI 范式雷达：《ScaleCUA — 可验证数据合成如何突破 Computer Use Agent 的能力天花板》

一分钟读论文：《Function-Aware Fill-in-the-Middle 作为编码 Agent 基础模型的中期训练》

阿里巴巴达摩院和宾夕法尼亚大学合作的一篇论文《Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models》（arXiv:2607.12463）提出了一种面向编码 Agent 基础模型的中期训练方法。通过在从 968 个 GitHub 仓库抽取的 2.6B token 去污染语料上进行自监督中期训练，该方法将函数调用模式映射到代码填充任务中，实现了工具调用归纳偏置的内化。在 SWE-Bench-Verified 上，7B、14B 和 Qwen3-8B 模型分别获得 +2.8、+3.0 和 +3.2 的绝对提升；SWE-Bench-Lite 上的提升更为显著，分别为 +3.7、+4.0 和 +5.4。

In AI, Engineering, 1 min read
一分钟读论文：《Function-Aware Fill-in-the-Middle 作为编码 Agent 基础模型的中期训练》

一分钟读论文：《E3：AI Agent 何时知道任务很简单？》

佐治亚理工学院和麻省理工学院合作的一篇论文《Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution》（arXiv:2607.13034）提出 E3 框架，让编码 Agent 在执行前先评估任务复杂度，以最小可行路径执行，仅在验证失败时扩展范围。在 MSE-Bench 基准测试上，E3 达到与最强基线相同的 100% 成功率，同时将成本降低 85%，Token 消耗减少 91%，检查文件数减少 92%。

In AI, Engineering, 1 min read
一分钟读论文：《E3：AI Agent 何时知道任务很简单？》

一分钟读论文：《StructAgent：用因果结构驾驭长程数字Agent》

一分钟读论文：《StructAgent：用因果结构驾驭长程数字Agent》

In AI, 1 min read
一分钟读论文：《StructAgent：用因果结构驾驭长程数字Agent》

一分钟读论文：《Omni-Decision：一种面向全模态问答的渐进式证据状态Agent系统》

Meta AI的研究团队在2026年7月13日提交的论文《Omni-Decision: A Progressive Evidence-State Agent System for Omni-Modal QA》提出了一种将证据状态管理作为Agent核心控制机制的新方法。传统多模态推理Agent的决策过程高度隐式，难以追踪从信息收集到最终答案之间的因果关系。Omni-Decision通过为每个查询维护结构化状态——包含确认证据、未解决冲突、事实与计算依赖关系以及开放证据需求——将内部推理转化为可检查、可追踪的显式表示。该方法训练无关，可直接应用于现有Agent系统。

In AI, Engineering, 1 min read
一分钟读论文：《Omni-Decision：一种面向全模态问答的渐进式证据状态Agent系统》

一分钟读论文：《Interaction Scaling：测试时计算的第三维度》

Pine AI 和华盛顿大学合作的一篇论文《Think Through a Bottleneck: Interaction Scaling — Grounding the Third Axis of Test-Time Compute》（https://arxiv.org/abs/2607.11598）提出，推理时计算的缩放存在三个正交维度：推理缩放、采样缩放和交互缩放。前两者受数据处理不等式限制存在”内部天花板”，交互缩放通过引入外部仪器观测打破了这一限制。

In AI, 1 min read
一分钟读论文：《Interaction Scaling：测试时计算的第三维度》

一分钟读论文：《异构智能体群体：用角色分离解决安全与创造力的困境》

一分钟读论文：《异构智能体群体：用角色分离解决安全与创造力的困境》

In AI, Research, 1 min read
一分钟读论文：《异构智能体群体：用角色分离解决安全与创造力的困境》

一分钟读论文：《Remember When It Matters：长程Agent的主动记忆干预》

Meta AI的研究者发表的论文《Remember When It Matters：长程Agent的主动记忆干预》，提出了一种将Agent记忆从被动检索转变为主动干预的全新范式。在长程任务中，决策相关信息虽然存在于对话历史或上下文窗口中，但不再可靠地影响后续决策——作者称之为行为状态衰减。该研究通过双Agent架构和选择性干预机制，在Terminal-Bench 2.0上将Claude Sonnet 4.5的表现从37.6%提升至45.9%，增幅达8.3个百分点。

In AI, 1 min read
一分钟读论文：《Remember When It Matters：长程Agent的主动记忆干预》

一分钟读论文：《OPINE-World：程序化世界模型与本体论误差引导的交互探索》

加州大学圣地亚哥分校和OpenAI的研究者发表的论文《OPINE-World：程序化世界模型与本体论误差引导的交互探索》，提出了一种让LLM Agent通过程序化世界模型在未知环境中主动学习的新范式。该研究在ARC-AGI-3基准测试中，OPINE-World在25个游戏中无需针对每个游戏单独训练即可解决20个，达到78.4的动作效率分数（以人类基线为参照）。

In AI, Engineering, 1 min read
一分钟读论文：《OPINE-World：程序化世界模型与本体论误差引导的交互探索》

一分钟读论文：《失败是一个过程：CLI编码代理轨迹解剖》

清华大学和阿里巴巴达摩院合作的一篇论文《Failure as a Process: An Anatomy of CLI Coding Agent Trajectories》，首次将CLI编码代理的失败建模为时间过程而非静态标签。通过对3843条执行轨迹的分析，论文发现决定性错误的中位发生步仅为第7步，而错误暴露的中位滞后高达10步——这意味着大多数失败在可修复窗口关闭后仍在徒劳地继续执行。

In AI, Engineering, 1 min read
一分钟读论文：《失败是一个过程：CLI编码代理轨迹解剖》

Featured

  1. 一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》推荐
    In AI, 编程教育,
  2. 一分钟读论文：《技术债的普遍性、原因和影响：业界系统调查》推荐
    In Engineering, Architecture,
  3. 一分钟读论文：《玩转 GitHub 开源软件社区的必备技能树》推荐
    In OpenSource, Engineer,
  4. 一分钟读论文：《ChatGPT 提示模式：提高代码质量、重构、需求获取和软件设计》
    In AI, Engineering, Engineer,
  5. 一分钟读论文：《用 Rust 和 WebAssembly 补充 JS 实现高性能 Node、Web 应用程序》
    In Architecture, Performance,
  6. 一分钟读论文：《通过反思性目标设定培养工程师的好习惯》
    In Engineer, Productivity,
  7. 一分钟读论文：《卓越的开源维护者是如何成就的？》
    In OpenSource, Engineer,
  8. 一分钟读论文：《我们走了多远——WebAssembly 运行时的全面特征研究》
    In FrontEnd,
  9. 一分钟读论文：《XSS 攻击22年：全面调查及系统综述》
    In Security,
  10. 一分钟读论文：《细孔沉千帆：小程序权限漏洞研究》
    In Security,
  11. 一分钟读论文：《影响大规模敏捷软件开发按时交付的因素》
    In Productivity,
  12. 一分钟读论文：《被掏空的一天：软件工程师的日常》
    In Productivity, Engineer,
  13. 一分钟读论文：《30年软件重构研究：系统性文献综述》
    In Engineering,
  14. 一分钟读论文：《要不要上 TypeScript？GitHub 上 JS 和 TS 应用软件质量的系统比较》
    In FrontEnd,
  15. 一分钟读论文：《NPM 供应链的软肋是什么?》
    In Security,