json-render 0.21.3 修复重复流操作与补丁状态漂移
json-render 0.21.3 于 10 月 24 日发布：流编译器不再丢弃内容相同的连续 JSONL 操作，YAML move/copy 会同步后续编辑所依据的工作状态，并限制继承属性与越界数组路径。
AG-UI.AI / OUR ANALYSIS
评测与工程走出第一张截图，进入任务终态、因果历史和主动验证
生成式 UI 与 GUI 代理的验收正转向隐藏目标恢复、多步终态、可核验进展、消息因果关系，以及对界面、文件与结构化状态的主动取证。两篇彼此独立但同名的 VeriCUA 论文分别学习何时调用 Judge/Probe，或让验证代理通过只读 GUI、无障碍树、文件和数据库检查主动探索证据；Malva 则从 40 个开源应用确认 335 个工具交互缺陷，显示观察、动作与反馈契约可以让代理和真实界面静默分叉。
了解编辑与核验方法 ↗支持事件与证据链
IGG 把界面定位从“看见后点击”推进到“先恢复可见性，再完成点击”
10 月 23 日提交并被 EMNLP 2026 主会接收的 IGG 基准，要求代理先通过滚动、悬停、拖动、等待或状态切换使目标可见，再在八步内点击；它用 16 个可控模拟界面的 601 项任务测量静态截图定位没有覆盖的可见性恢复能力。
TAM 把已核验的任务进展变成 GUI 代理的在线状态与可复用操作
10 月 27 日提交的 Task Advancement Memory（TAM）把“已经可靠完成了什么”同时用于当前任务压缩和跨任务学习：任务内维护可核验的进展、剩余目标与视觉证据，任务后从局部成功片段中提炼可复用操作，即使整条工作流最终失败。
AI SDK 7.0.157 稳定工具筛选 API，但工具可见性仍不等于执行权限
AI SDK 7.0.157 于 10 月 29 日发布：`filterActiveTools` 从实验名称转为稳定导出，`LanguageModelStreamPart` 也成为稳定类型，旧别名保留并标记弃用；同时修复遥测运行时检测在 Next.js Edge 中触发 Node API 警告的问题。
AI SDK 修复工具重命名后的签名审批恢复
10 月 20 日发布的 7.0.147 让流式 UI 消息保留修复后的工具名，避免恢复时已签名审批因旧名称失效。
LiveUIBench 用完整工作流检验“代理即应用”
10 月 20 日提交的 LiveUIBench 把生成应用的验收从界面可打开，扩展到提交、修改、跨应用共享状态及回访后的完整工作流。
InterWebCoder 用可执行测试训练多步交互网页
10 月 20 日提交的 InterWebCoder 把网页生成奖励从截图或 GUI 代理判断，转向可重放的测试脚本与逐状态视觉相似度。
CanvasObs 用结构化状态补足画布智能体看不见的信息
10 月 19 日提交的 CanvasObs 为截图之外的画布智能体提供对象身份、可见性、原生关系和离屏坐标等结构化状态，并在固定动作管线中测试其作用。
“看起来没问题”：智能体输出中的静默缺陷如何逃过人工监督
10 月 20 日提交的一项受控研究发现，开发者在智能体生成代码含有不显眼缺陷时仍常保持高信心，界面活动与最终批准不能单独证明监督有效。
AI SDK 7.0.149 收紧审批去重、禁用工具与断流边界
10 月 22 日发布的 AI SDK 7.0.149 只接受每个工具调用的首个审批响应，修复 toolChoice: none 仍可能执行工具的问题，并新增 interrupted 结束原因以阻止断流后的工具与 UI 继续运行。
assistant-ui 10 月 28 日发布把生成提示预审、工具结果归属与配置写入边界一起收紧
assistant-ui 于 10 月 28 日发布一组同提交包：Generative Frame 0.0.9 会先把 widget 与 MCP App 提示填入 composer 供用户查看再发送；assistant-stream 0.3.55 修复后续工具响应遗漏内容时仍保留旧模型内容，以及工具调用 id 重用时待定结果错挂的问题；CLI 同时收紧配置路径与计划修订边界。
GUI 代理的成功自述会污染完成判定
10 月 21 日提交并获 ICSE 2027 研究轨接收的论文发现，把代理自己的成功报告交给完成判定器，会降低对危险误报的识别；作者用报告隔离、结构化轨迹证据与确定性规则重建审核边界。
PrefDiag-Bench 拆解个性化 GUI 代理为何在何时失效
10 月 22 日提交的 PrefDiag-Bench 用 318 个端到端任务和 1,664 个诊断探针，追踪偏好如何改变执行以及应在何种界面状态生效；11 个系统在个性化任务上均弱于基础任务。
VeriCUA 学会在 GUI 终态里主动找证据再判成功
10 月 19 日提交的 VeriCUA 让可训练 Judge 决定检查什么、何时停止，再由冻结的 Probe 在真实终态里取证；作者报告其 4B 版本以更少 Probe token 超过 few-shot GPT-5.4 的奖励一致率。
AI SDK 7.0.153 分离完整回复与结构化结果的解析输入
AI SDK 7.0.153 于 10 月 24 日发布：当 OpenAI 或 Azure Responses 的非流式响应含多条 JSON assistant 消息时，SDK 只把最后一条 final_answer 交给结构化输出解析，同时保留完整文本、注释、消息历史与用量。
AI SDK 7.0.154 让运行中的代理接收转向消息并闭合失败步骤
AI SDK 7.0.154 于 10 月 26 日发布实验性 steering：用户可在代理仍运行时排队追加消息，在下一步边界交付；新 onStepError、onError 与 onAbort 回调补齐无输出流和后续 provider 失败的生命周期记录。
AI SDK 7.0.155 移除类型可保证输入的重复运行时校验
AI SDK 7.0.155 于 10 月 27 日发布：文本与对象生成不再逐步用 ModelMessage schema 重验消息历史，并移除多类可由 TypeScript 保证的形状检查，以降低长对话和多步骤运行中的线性开销。
UI‑TAU Bench 把生成界面接入数据库任务、用户补充与最终状态评测
10 月 8 日提交的 GenUI‑Harness 论文提出 UI‑TAU Bench：代理先查只读数据，GUI Coder 生成临时界面收集缺失信息，再由工具代理执行动作，以最终数据库状态评估完整人机任务。
Malva 把 GUI 代理的静默失败追到工具层：335 个真实缺陷暴露状态与反馈契约断裂
一项 10 月 21 日提交的实证研究从 40 个开源 GUI 代理应用、约 2,000 条 issue 中确认 335 个工具交互缺陷，归纳为 11 种状态表示、状态转换和同步模式；90% 的应用包含多类缺陷，86.6% 的缺陷会产生错误结果，其中 119 例没有 fail-stop 信号。
另一项 VeriCUA 把 GUI 任务验收改为主动取证，并允许证据不足时弃权
Google 与香港大学团队 10 月 29 日提交了一项同名但独立的 VeriCUA：验证器先查看环境或轨迹建立任务 rubric，再用 GUI、无障碍树、文件、数据库等只读检查补齐证据，并把需求判为满足、违反或未知。在线实验中，它在 AndroidWorld、OSWorld 与 ScienceBoard 上均降低了相对基线的假阳性。