任务状态表征：让移动端GUI智能体告别“健忘症”

在移动端图形用户界面自动化任务中，智能体通常依赖“思考-行动-观察”的循环来执行操作。然而，随着任务步骤的增加，智能体往往难以区分持久的任务状态与瞬变的屏幕信息，导致上下文负担过重，出现遗忘初始要求、错误判断进度或重复操作过时界面等问题。

为此，研究团队提出了一种名为“任务状态表征”的轻量级框架。该框架无需额外训练，可作为外部封装层与现有智能体配合使用。它通过三个结构化组件来明确解耦任务状态：全局指令摘要、动态子目标进度跟踪器以及具备状态转移感知的动作验证器。

TSR的核心机制在于利用动作执行前后的视觉对比进行持续更新，从而在不修改智能体底层架构的情况下，有效引导其推理过程。在四项移动GUI基准测试上的实验表明，该框架能显著提升智能体在复杂跨应用及高内存需求任务中的表现，成功率最高提升达12个百分点。这一进展为长程GUI自动化任务的稳定执行提供了新的思路。