GUI-Libra：利用动作感知监督和部分可验证强化学习训练原生 GUI Agent 进行推理与行动

针对开源原生 GUI Agent 在长程导航任务上落后于闭源系统的问题，本文指出其根源在于缺乏高质量的动作对齐推理数据，以及通用后训练流程忽视了 GUI 代理的独特挑战。为此，作者提出了 GUI-Libra 训练方案：首先构建并过滤出 8.1 万条 GUI 推理数据集；其次提出动作感知监督微调，混合推理后行动与直接行动数据以平衡推理与落地能力；最后通过引入 KL 正则化和成功自适应缩放，解决了部分可验证性下的强化学习不稳定问题。实验表明该方法显著提升了任务完成率。