论文
CausalCache:面向长程GUI智能体的条件化高保真恢复
CausalCache: Conditional High-Fidelity Restoration for Long-Horizon GUI Agents
摘要
长程GUI智能体可以廉价地以文本动作记录的形式保留完整交互轨迹,但只能以高保真像素向策略暴露少数过去事件。我们将其形式化为条件保真度恢复:每个事件以仅摘要的形式持久保存,并链接到一张归档截图,同时一个主动视觉上下文预算B限制可被提升为摘要加图像形式的事件数量。Recent-B策略把每个槽位都花在最新事件上。CausalCache则在整个轨迹上重新分配同样的B次提升,仅当远处事件具有更高的条件边际效用时才驱逐近期图像。其历史门控键值(HGKV)适配器只修改被恢复的历史图像令牌,在没有历史图像时被精确旁路。匹配预算的替换分组与以各臂为锚的双重差分监督使均匀放大历史的价值恰为零;随后由预算感知选择器决定恢复哪些被摘要的事件。在桌面上,冻结策略对与任务相关的归档截图并不表现出相对其本可替换的近期画面的可靠偏好;HGKV在预先设定的漂移包络内学到的正是这种选择性。在OSWorld-Verified上,把历史恢复到高保真相比仅摘要记忆价值约13个成功点,而同预算的不同分配方式之间仍无法区分。在跨应用移动基准的零样本测试中,CausalCache相比同预算的近期分配显著提升整体成功率(完整名册上+3.7点),且增益集中在应有的地方:在构造时由基准元数据固定的记忆关键划分上+8.6点,对匹配对照无可检测影响,并存在显著的划分与方法交互效应。