面向长程移动 GUI 智能体的任务状态表示

长程移动 GUI 智能体通常依赖“思考 - 行动 - 观察”循环，但难以区分持久性任务状态与瞬时屏幕观测。随着执行历史增长，这种纠缠导致严重的上下文负担，致使智能体遗忘初始需求、幻觉进度或重复交互过时界面。为此，本文引入任务状态表示（TSR），这是一种无需训练的框架，显式解耦任务状态与感官输入。作为轻量级外部封装，TSR 维护全局指令摘要、动态子目标进度追踪器及感知过渡的动作验证器三个结构化组件。通过持续更新动作前后的视觉对比，TSR 有效引导智能体推理，无需修改架构。实验表明其在复杂跨应用及记忆密集型任务中成功率显著提升。