跳到正文
Hugging Face Daily Papers·· 21 天前AI 评分73

高效自适应训练:GUI 智能体的学习位置与 rollout 范围优化

Where to Learn and How Far to Roll Out: Efficient Adaptive Training for GUI Agents

AI 导读

针对轨迹级 GRPO 训练中重复执行已掌握前缀及低效探索的问题,本文提出两阶段自适应框架。首先利用成功专家轨迹构建可复用中间检查点并基于动作分歧选择关键节点;第一阶段在节点处进行单步强化学习以改善局部决策;第二阶段随任务进展逐步扩展策略责任范围。实验显示该方法在 MobileGym 和 CUA-Gym-Hub 上相比基础 GRPO 减少环境交互 56-61% 并提升性能,相关预印本已公开。

来源:Hugging Face Daily Papers · arxiv.org