Activity Frames：確定性螢幕活動編譯用於 Agent 記憶與回放
為何重要
此技術直擊 Computer-use Agent 最被忽視的痛點——「昂貴的冗餘重跑」。透過確定性的零模型指令編譯，大幅壓縮 Context Size 並準確量化 Routine Overhead，為最佳化 LLM Agent 單次互動成本提供了新的工程解決方案，也為 Agent 成本模型提供了量化標準。
Computer-use agents 因為無法記錄使用者實際操作而需花費昂貴成本重算，本研究提出「Activity Frames」零模型管線，將被動監控的螢幕活動轉化為機械審計且高效率的記憶單元。
- 該編譯器將本地監控串流片段化為包含應用程式、網站、時間及輸入量的「Activity Frames」，輸出結果無需模型介入即可保持位元級一致。
- 在 51 個工作日、128,756 幀的測試語料庫中，編譯器在 68 毫秒內將單日輸入壓縮為 86 倍更小的提示準備上下文塊。
- Agent 解讀壓縮後的資料回答問題的準確率為 98.4%（使用獨立聖杯模型評估），顯著優於同一錄影片段上中階模型對抗前緣模型的 66-80% 準確率。
- 研究量化了 Routine Overhead Ratio (R)，測得範圍為 60-343x，並估算出 realistic all-fleet token ceiling 約為 8%。