预印本：OS-Helix统一图形界面与代码执行，桌面自动化成功率达66.44%
新研究指出简单添加代码工具会降低GUI智能体性能，需通过混合数据训练实现原生协调。OS-Helix在OSWorld基准上取得显著突破。
重要性实质性证据E2 未复现写法快讯
OS-Helix在OSWorld-Verified基准测试中达到66.44%的成功率，较匹配的Qwen3.5混合基线提升42.9%。这一结果来自Bowen Yang等人于2026年10月15日提交的预印本论文《OS-Helix: Unifying GUI Interaction and Code Execution in Native Computer-Using Agents》。
传统方法试图通过提示工程组合GUI操作和代码执行工具，但研究发现这种“提示级工具组合”无法实现有效的原生协调。作者指出，简单地给GUI智能体添加代码工具反而会导致性能下降，表明GUI与代码的路由决策必须通过高质量混合数据的端到端训练来内化。
为解决监督信号问题，团队引入了“应用-工件组合”技术，将桌面应用程序与真实文件工件配对以构建可执行的Ubuntu环境状态，并采用解耦的指令/评估器生成管道，确保任务最终状态无论通过何种方式解决均可验证。模型首先通过SFT冷启动，随后在实时桌面环境中进行在线强化学习优化。
该结果为厂商自测基准（E2），尚未经过独立复现。其核心贡献在于证实了对于复杂的桌面自动化任务，单纯的工具调用拼接不足以替代经过专门训练的混合动作空间能力。