摘要
本次按 Asia/Shanghai 2026-10-12 自然日核对论文与开源项目。alphaXiv 没有合格的首次发布 CUA/Agentic RL 论文；源码审计保留 Cua 的 Driver、评测矩阵与部署边界更新，新增 Work2Skill、ESP32 iPhone Agent、ComputerUseAgent、OS Control 和 HealthEnv。它们分别推进人类 GUI 经验复用、真实移动设备控制、隐私缩减轨迹评测、模型外高风险 gate 和可验证环境生成，但都没有 policy RL update。
核心内容
- Cua 把 Driver Bench v2 扩展为 Codex/Claude × 多 driver 的 2×3 matrix，并为 background completion 增加未量测 fail-closed；同日还处理 off-Space observation freshness、后台动作诚实拒绝、AT-SPI deadlock、pairing code 和 staging/prod 隔离。（来源：原始资料（本地存档））
- Work2Skill 发布录制、证据检查、skill induction 与 task 定义源码；关联论文的 350 个 demonstration 和 score gain 是作者报告，仓库尚未包含 benchmark runner/evaluator 与端到端结果复现。（来源：原始资料（本地存档））
- ESP32 iPhone Agent 用 AirPlay 取帧、ESP32-S3 USB HID 动作、指针视觉校准和动作后屏幕变化检查闭环真实 iPhone；CI 通过，但硬件演示未在本知识库独立复现。（来源：原始资料（本地存档））
- ComputerUseAgent 把 consent、隐私缩减、human-data fail-closed、LOTO/calibration/negative controls 与负结果写进可验证 artifact；它明确不是 Agent，也没有通过验证的人类/Agent detector。（来源：原始资料（本地存档））
- OS Control 把钱、发送、密码和破坏操作的 gate 放在模型外，并要求真实指针点击批准；但同一 coding session 的 shell 和 Accessibility grant 可绕开它，因此是防误操作 guard rail，不是沙箱。（来源：原始资料（本地存档））
- HealthEnv 把 QA 编译成有状态 UI 与密封 verifier channel；本轮 55 个测试和 3/3 正负 demo 均通过，但 1,200 环境只有 86 个结构骨架，真实性和训练收益仍未证明。（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、Work2Skill、ESP32 iPhone Agent、ComputerUseAgent、OS Control、HealthEnv
- 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：各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、作者报告边界、独立检查与分类。
待核实问题
- Work2Skill 的真实录制、公开数据、benchmark runner/evaluator 与论文全量结果需统一 commit 独立复现。
- ESP32 iPhone Agent 与 OS Control 需真实硬件/桌面安全测试；ComputerUseAgent 需真实 consented human traces；HealthEnv 需真实医疗软件与 adversarial verifier 验证。