LocalLSTC：面向本地部署GUI智能体的长短期控制架构

现代GUI智能体框架借助前沿API模型取得了很强的桌面任务表现，但持续存在的控制信息往往隐含在不断增长的交互轨迹之中。在每一步，规划器都要先重构当前任务阶段、已积累的证据和运行时反馈，再决定下一步动作。在较弱的本地推理骨干下，这种依赖变得更加明显。在四个代表性的最先进框架上，用Qwen3.5-9B替换GPT-5会使平均OSWorld SR-100从60.9%降至37.7%。轨迹标注进一步发现，91.6%的失败轨迹中至少存在一处控制失败。为解决该问题，我们提出LocalLSTC，一个免训练架构，按时间范围组织控制，维护持久的跨步状态以引导短期执行承诺。Long-Term Control在交互间维护当前子目标、与子目标对齐的证据及运行时反馈；Short-Term Execution为当前步实现有边界的承诺。Long-to-Short Planning从持久状态形成每个承诺，Short-to-Long Control则把执行结果整合回该状态，用于进度评估、恢复与终止判断。使用Qwen3.6-27B，LocalLSTC在OSWorld上达到64.7%的SR-100，在WindowsAgentArena上达到65.3%，在两个基准上都超过了此前最强的本地部署结果。消融实验进一步支持了执行两侧机制的贡献。这些发现将控制信息的时间组织确立为本地部署GUI智能体的一个独立架构维度。