arXiv论文提出GUI智能体两阶段自适应RL训练框架

研究者Yuxiang Chai在arXiv提交论文（arXiv:2610.39251），提出一种两阶段自适应训练框架，用于提升多步GUI智能体的强化学习训练效率。论文称，该方法在MobileGym和CUA-Gym-Hub两个环境上相比Vanilla GRPO减少56-61%的环境交互，同时提升任务表现。 该框架从专家成功轨迹构建可复用的中间检查点，用动作分歧度选取关键节点：第一阶段在这些节点做单步RL训练，第二阶段再按任务进度自适应扩展Local、Suffix、Root三种训练范围，从而同时决定“在哪里学习”和“回滚多远”。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。