阿里团队提出 GUI Agent 自适应训练法:环境交互减少 56-61%
Yuxiang Chai · hf · 2026-11-04
阿里 Token Hub 与港中大 MMLab 团队发布 GUI agent 训练效率研究。轨迹级 GRPO 训练多步 GUI agent 的痛点:从任务根反复重跑完整轨迹很低效——任务级奖励对中间决策监督过粗,而已掌握的前缀步骤被反复执行。
提出两阶段自适应框架,同时解决「在哪学」与「rollout 多远」:
- Stage I:用 action disagreement(直接从采样的 GUI 动作度量不确定性)从成功专家轨迹构建可复用中间检查点并选出信息量大的 pivot,在这些 pivot 上做一步 RL 改进不确定的局部决策;
- Stage II:通过自适应 Local、Suffix、Root 训练动作按任务进度渐进扩大策略职责。
在 Mobile-Gym 与 CUA-Gym-Hub 上,相比 Vanilla GRPO 环境交互减少 56-61%,任务性能反而提升。
「编程与Agent」频道最新
- Device MCP 发布：让 Claude/Codex 直接操控真实 iPhone 做 UI 测试 — rudrank · 2026-11-04
- 开发者用 Gemini 4 Argon 加 Antigravity 制作融化三明治 WebGPU 动画 — AI_Andrew · 2026-11-04
- 团队想从 IDE 补全转向云端异步后台编码 Agent，求选型建议 — Extension_Lake4065 · 2026-11-04
- ≤4B 小模型 Agent 实测:Qwen3.5-4B 得 51.4%,思考模式最多提升 20 分 — KienShen · 2026-11-04
- 用外部确定性状态层治 AI 编码失忆:三篇论文给出会话管理新思路 — ApprehensiveSkin7975 · 2026-11-04
- 字节跳动等开源 Axion 1.0：三阶段训练的 Agent 基础模型 — Yuqi Jia · 2026-11-04