对应论文
视频简介
GUI智能体在移动和计算机环境中的应用日益重要,但利用在线强化学习(RL)训练GUI智能体面临交互环境成本高、真实训练任务稀缺等挑战。现有平台往往只支持评估或数据收集,缺乏统一的RL训练基础设施。 读运行时架构和4.3全部消融:移动/桌面/浏览器共用训练评测执行栈、可重置验证环境和合成任务,1000环境启动与失败率有测量;同warm-up、合并预算的联合RL优于专家合并,500→5000任务固定rollout预算提升两域泛化。 52个配对真机12306任务由28.8%到48.1%,为跨应用可复用训练基础设施而非单应用agent演示。 未达paradigm:仍主要验证单个9B家族,真机迁移仅一个应用且clone–real差距由7.7扩大至25.0百分点;移动启动速度基准是估算串行对照,尚无跨独立团队的长期通用性证据。