研究与基准测试/2026-10-22/27 分钟CUA-Recovery：评测长程计算机使用 Agent 的错误恢复（附录）附录给出 ReRail 如何合成带黄金谱系的长程任务、冻结验证器、划分 12 类错误，以及成本、提示词和跨接管深度的恢复分析。
研究与基准测试/2026-10-22/17 分钟CUA-Recovery：评测长程计算机使用 Agent 的错误恢复CUA-Recovery 用 Agent 自己的长程失败，而不是人工注入的错误，评测计算机使用 Agent 能否发现并修复错误。六个 Agent 的 Pass@3 最高只有 25.5%。
