From Interaction Traces to Persistent Skills: Online Evolution for Computer-Use Agents

这项工作把每轮 GUI 轨迹与评估器反馈写进可审计技能库，更新只在下一轮快照生效，因此能测量技能的增量而不是把能力提升归因于模型微调。四个 OSWorld 域在五轮空库热身后提升 5.7 - 18.6 个百分点；GIMP 中跨任务检索和 revision churn 也表明，重复接受编辑不等于找回最初任务。