参与 GUI / Hybrid Computer Use Agent 在 Computer / Mobile / Browser 等真实数字环境中的能力提升与落地实践，使模型能够更好地理解、操作并协同完成跨平台、跨界面、跨工具、跨任务流的复杂用户任务，持续提升 Agent 在开放环境中的泛化性、鲁棒性、协同性与实际可用性，拓展大模型在真实人机交互场景中的能力边界。 1. GUI Agent：重点参与 GUI 在 Computer / Mobile / Browser 场景下的 Agent 能力提升与 OOD 任务泛化分析，配合研究大规模自然 GUI 轨迹 Pre-training 和用户协同能力。 2. Hybrid Agent：参与设计 CLI & GUI 统一范式下的 Universal Digital Agent Harness & Behavior Pattern，探索用户协同 CUA 场景下的有效实践方案。 3. Envs Scaling & Training Scaling：参与大规模合成环境和现实环境数据中的 CPT -> RL 端到端优化迭代。 4. Preference & Feedback Modeling：参与用户协同 Computer Use 场景下用户偏好和用户反馈的收集、建模与处理机制，探索显式反馈与隐式反馈的统一表征方式，帮助建立可用于训练和评估的反馈闭环。