**高效自适应训练：解决 GUI 智能体训练中的资源浪费问题**

_Where to Learn and How Far to Roll Out: Efficient Adaptive Training for GUI Agents_

> 针对传统轨迹级 GRPO 方法在训练 GUI 智能体时效率低下的问题，研究提出了一种两阶段自适应训练框架。该方法首先利用专家轨迹构建可复用的中间检查点，并通过动作分歧度筛选关键决策点；随后根据任务进展动态调整训练范围（本地、后缀或根节点），实现从中间状态重复训练。实验表明，该方法在 MobileGym 和 CUA-Gym-Hub 环境中，相比传统方法减少了 56-61% 的环境交互次数，同时提升了任务性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.39251)