CUADebug：诊断和修复计算机使用代理故障

计算机使用代理（CUA）通过屏幕截图和底层鼠标和键盘操作与图形界面交互，但因果错误可能先于终端故障。我们提出了 CUADebug，一个用于定位 CUA 轨迹中根本原因并指导重新执行的框架。 CUADebug 包括 5 个类别、30 个子类型的分类法； CUAErrorBench，204 个失败的 OSWorld 轨迹的基准，带有人类根本原因注释； CUADebugger，一种用于根本原因分析 (RCA) 的 ReAct 风格代理。 CUADebugger 迭代地选择轨迹步骤，检查配对的前后屏幕截图和操作跟踪，并提交包含因果步骤、分类标签、有根据的证据和纠正的结构化诊断。 CUADebugger 执行 RCA，无需每个轨迹的人工干预；人类注释用于评估 RCA 预测，并在受控重新执行比较中固定重启点。任务推理和控制是最大的注释失败类别（110/204）。 CUADebugger 改进了 Claude-agent split 上三个调试器主干的 L2 和 Tag+Step Exact；使用 Gemini 2.5 Pro，Tag+Step Exact 从 11.1% 上升到 19.4%。单次重执行将故障恢复率从 13.89% 提高到 29.86%（总体从 61.77% 提高到 68.14%）；受控连续重新执行将其从 12.50% 提高到 25.69%（总体从 61.22% 提高到 66.48%）。项目页面：cuadebug.github.io。