两项新研究都在补电脑使用 Agent 的数据短板：一项把真实网站流程封装成可控环境，另一项从开放世界工作流持续合成可验证任务。社区讨论则提醒，模型“能改自己的权重”这类说法仍需看清实验边界。
来源事实：论文介绍 153 个 Docker 化网站环境，覆盖 3,518 项任务，包括多步骤和登录后流程。作者称，使用该环境强化学习训练的 Qwen 4B 级 GUI Agent 能泛化到未见任务，并在四项基准上与领先开源系统竞争；代码和数据已公开。
关注 / 采用证据：论文在 arXiv 于 11 月 2 日提交，附公开代码/数据入口；本次核查未找到独立复现或部署数据，因此没有外部采用证据。
来源事实：该框架先从操作视频挖掘真实工作流，再通过轨迹重建与任务合成扩展数据，并加入快照回滚重试机制。作者报告 CUA-Master-27B 在 OSWorld Verified 得分 80.2、OSWorld 2.0 得分 36.9、WeaveBench 得分 43.9、Agents' Last Exam 得分 25.0，并称多轮迭代持续提升。
关注 / 采用证据：论文于 11 月 2 日公开；目前未找到外部复现、产品集成或开源代码链接。以上成绩均为作者报告。
来源事实：Hacker News 首页抓取时，该帖有 2,805 分、855 条评论，位列第 1；同一首页还出现题为“该帖子具有误导性”的跟帖（7 分、42 条评论）。原始文章与质疑文均见下方链接。
关注 / 采用证据：HN 分数和评论数是社区注意力信号，不是技术验证或产品采用证据；争议帖的存在说明应回到原始实验与方法边界判断。
WebHarbor 的 153 个站点环境能否覆盖更多动态内容、身份验证和长链路任务，并在真实网站上保持提升。
CUA-Master 是否公开可运行代码、训练配方与任务构建细节，以及第三方能否复核其多轮迭代收益。