摘要
本次按 Asia/Shanghai 2026-10-11 自然日核对论文和开源项目。alphaXiv 没有返回合格 CUA、CUA 相关 Agentic RL 或 harness 论文；源码审计保留 Cua 的 Driver Bench v2 与前台/后台输入修复，以及首次入库的 Heliox OS。两者分别把 provenance/evaluator/CI 和重启恢复/权限/人工接管/完成验证推进到可审计实现，但都不训练 policy，因此不是严格 Agentic RL 或 RSI。
核心内容
- Cua 在窗口内公开 Driver Bench v2：macOS runner、BenchLab/BenchSentinel、10 个公开 probe/task、3 个 multi-app pack task、failure fixtures、oracle、逐任务 provenance、方法/预注册摘要与独立 CI；首次公开和后续 checker/Codex 修复 workflow 均成功。（来源：原始资料（本地存档））
- Bench 的 evaluator 修复包括未量测的后台完成 fail closed、IR-03 保存顺序和 CDB-S02 exactly-one-row；同日 driver 还改进用户 key window 保持、后台目标菜单后的窗口恢复、Windows 输入 pacing 和后台目标自激活。（来源：原始资料（本地存档））
- Heliox OS 将 autonomous job 持久化到 daemon restart 后，但中断任务只能由人 Resume，并在继续前重观察；scheduled run 限定批准 action list，MCP 非只读调用展示参数并保留审批。（来源：原始资料（本地存档））
- Heliox 的 world model/Gnomon 只能增加 caution、要求审批或退回计划，不能授权；postcondition 在 completion claim 前检查，动作不足返回
GOAL_BLOCKED。窗口中段 CI 多次失败，但窗口末79af30e的完整CI — Lint & Test成功。（来源：原始资料（本地存档）） - Cua Driver Bench 在窗口内公开时为 MIT，但紧接窗口边界后改为 FSL-1.1-MIT；Heliox OS 为 MIT。前者主要要求 macOS 26/Python 3.12/Swift，后者要求 Python 3.11+、Node 20+、Tauri/Rust，且 Windows 是主要硬件开发平台。（来源：原始资料（本地存档））
相关页面
- 概念：Computer-Use Agent、Execution-Based Agent Evaluation、Agentic RL、Harness Engineering
- 实体：Cua、Heliox OS
- 主题：Browser and Computer-Use Agents、Agent Harness 与 Agentic RL 开源生态
来源
- 原始文件：原始资料（本地存档）
- 定位信息：按项目小节记录精确日期窗、cutoff commit、源码能力、测试/CI、许可证、运行要求、项目方数字边界与分类。
待核实问题
- Cua Driver Bench 尚缺锁定模型、公开 seeds 和真实多平台重复运行；项目方 focus/latency 小样本未独立复现。
- Heliox OS 尚缺本知识库侧的 Windows/macOS/Linux live desktop、多模态硬件、真实 MCP server 和危险动作恢复 E2E；162 个 action 中只有 22 个有独立 postcondition verifier。