简介
2026 年 10 月发布的 EMNLP 系统演示论文，将可复用的图、表格、文本和展示视图与具体任务中的交互含义分离。ABRA 把这些绑定公开为共享画布状态，让用户和其他智能体能够查看并调用任务相关操作。
内容总结
ABRA 带来的新信号：
1. 复用交互词汇：通过显式任务绑定调整同一操作的含义
2. 公开交互语义：其他智能体可以查看并调用已发布操作；视图本地效果与画布所属智能体处理的任务后果分别流转
3. 提供参考实现：React 视图、Node.js 画布中心与 Python 适配器构成共享人机工作区
4. 保留评测边界：四个模型仅接受独立单轮操作测试，完整视图选择得分只有 33–53%；尚未验证用户对语义的理解或端到端任务收益
[官方原型、运行说明与演示](https://github.com/megagonlabs/abra)。
1. 复用交互词汇：通过显式任务绑定调整同一操作的含义
2. 公开交互语义：其他智能体可以查看并调用已发布操作；视图本地效果与画布所属智能体处理的任务后果分别流转
3. 提供参考实现：React 视图、Node.js 画布中心与 Python 适配器构成共享人机工作区
4. 保留评测边界：四个模型仅接受独立单轮操作测试，完整视图选择得分只有 33–53%；尚未验证用户对语义的理解或端到端任务收益
[官方原型、运行说明与演示](https://github.com/megagonlabs/abra)。
标签
generative-uishared-canvasesinteraction-semanticsdirect-manipulationmulti-agent