IXThinker·2026-06-28 20:30

半在線強化學習破解手機智能體訓練難題

想訓練能自動操作手機的GUI智能體，總會陷入兩難：在線強化學習交互成本高、長任務訓練易崩盤；只用離線數據訓練，模型又短視、多步操作頻頻出錯。有團隊提出半在線強化學習框架，以約一萬五千條軌跡穩定收斂。

兩難困境

訓練GUI智能體長期面對取捨：在線強化學習與環境交互的成本高昂，長程任務訓練動輒策略崩塌；離線訓練雖省錢，模型卻缺乏全局視野，多步操作容易出錯，兩條路各有硬傷。