CUADebug

CUADebug 对 204 条计算机使用代理失败轨迹建立分层诊断，其中推理/控制错误 110 条、感知 36 条、grounding 25 条、外部故障 13 条、不可行任务 20 条。加入错误子型和出错步骤后诊断准确率从 11.2% 升至 19.6%；单次重执行修复率约 28.47%，作者方法为 29.90%，而只给历史的方案仅 13.89%。持续修复把成功率从 12.2% 拉到 25.86%，仍低于人工的 29.21%，说明定位信息有用但远未解决 GUI 轨迹恢复。