ScreenSearch：感知不确定性的操作系统探索

桌面 GUI 智能体面临部分可观测性挑战，视觉相似的屏幕可能对应不同的工作流状态。本文将其定义为操作系统状态探索问题，提出 ScreenSearch 系统。该系统结合结构化屏幕检索与去重技术，利用感知歧义的 PUCT 图赌博机算法进行大规模探索。通过构建共享状态图并定义基于动作结果离散度的歧义信号，系统在扩展可达边界前有效减少状态模糊性。实验表明，单纯减少歧义不足以实现高效探索，需平衡新颖性与歧义消除，状态识别与搜索策略对智能体决策至关重要。