GUI-Act：端到端桌面操作智能体
以屏幕截图和自然语言指令为输入，端到端预测点击、双击、键盘输入、等待与终止信号，跳过中间文本推理。
采用“首帧完整编码 + 后续变化区域重编码”：未变化区域复用缓存 embedding，减少逐帧全图编码的计算开销。已完成类 Windows 桌面沙箱和数据采集管线。
VLAGUI AgentKeyframe CacheSandbox
大规模动态算子生态下偏好条件化的智能体计算图生成
面向数百至数万级动态工具库，提出两阶段框架：偏好条件化内容寻址门控网络构造候选算子空间，指针式自回归生成器在候选池上构建可执行 DAG。
Recall@20 0.888AppWorldMCP-Atlasτ²-Bench