手机 agent 该记住的不是操作，是进度

让 agent 替你在手机上办事，最气人的场景不是做错，是做到一半忘了自己干到哪。一篇 10 月 27 日提交的论文把「任务推进到哪」本身做成了记忆，手机操作类任务的成功率直接翻倍还多。

一、发生了什么

论文提出的机制叫 Task Advancement Memory，核心是一个定义：任务推进指的是经过验证的实质进展，不是屏幕变化。执行过程中，任务推进状态会记录「已验证的进展如何改变了剩余目标」，让 agent 能跨应用接着之前的成果干，而不是从头再来。每个任务结束后，推进监督环节负责复盘：把真正产生了已验证局部结果的交互挑出来，抽象成可复用的操作，连同输入、预期效果、验证条件的关系一起存下来。妙处在于失败任务也有收获——只要过程中有局部成功，那段操作就会被保留。

数字来自手机 GUI 任务集 MobileWorld 的纯界面模式：只开推进状态这一项，成功率就从 12.0% 提到 28.2%；完整机制对上最强基线，相对提升 17.6%，每解决一个任务的生命周期 token 消耗减少 38.7%。在 SPA-Bench 的单应用英文三级设定里，做到了该设定下最好的任务成功率。

为什么这类任务特别难？论文点了两条：长流程要跨应用传递信息，比如在备忘录里查到地址、再去地图应用里搜，中间任何一环断掉都前功尽弃；而且有效操作和失败尝试混在一起，靠肉眼分不清哪段值得学。把「验证过的进展」单独拎出来记账，等于给 agent 装了一个不怕干扰的进度条。这是背景，不是论文结论。

二、跟你有什么关系

做手机或桌面 agent 的：记忆别只存截图和操作序列，先回答「哪些结果是验证过的」，这一步对成功率影响最大。

做 agent 成本优化的：token 省了将近四成，来源是少走回头路，不用牺牲上下文质量。

做自动化测试的：「可验证的局部结果」是很好的断言设计思路，比整任务成败这种粗口径细得多。

另外提醒一句成本账：token 省近四成的同时，任务成功率是上升的，这说明省下来的不是「该做的验证」而是「来回重试」。两个数字要一起看，只报省 token 不报成功率的优化都要打个问号。

三、怎么用

1. 给任务列「剩余目标」清单，每完成一步就验证并勾掉，状态跟着清单走，不跟着屏幕走。
2. 任务结束做一次复盘，只沉淀「输入-效果-验证条件」三者俱全的操作，存成可复用模板。
3. 失败任务别整段丢弃，先扫一遍有没有可验证的局部成功，有的话照样入库。

四、三个别信的说法

记忆就是存历史操作。 论文的立场正相反：没有验证的交互不配进记忆，成败任务里只留被证实有效的片段。

长任务必须靠更强的模型。 状态跟踪一项就把成功率从一成二提到两成八，先把进度管好再谈换模型。

失败尝试是纯浪费。 带有局部成功的失败任务同样贡献可复用操作，直接丢弃等于扔掉一半经验。

五、一句话结论

agent 干长活，记住的不是每一步，而是哪些步被证明算数。

信息来源

• 论文摘要：任务推进作为 GUI agent 的状态与监督（arXiv），2026 年 10 月 27 日提交

功能与价格以官方公告为准。本文写于 2026 年 10 月 29 日。