从弱点中学习：小型计算机使用代理的自动化领域专业化

计算机使用代理（CUA）进展显著，但为每个软件领域部署大型专家模型成本高昂。小型开源代理虽具实用性，却存在领域特定失败不均的问题。本文提出 LearnWeak，一种无需标注的专业化框架，利用更强参考代理识别学生代理弱点，自动合成针对性任务并构建监督信号。该方法引入误差感知目标，解耦规划与执行错误，实现更精准的行为更新。实验表明，其在多个领域显著优于现有基线，强调了学生感知在数据合成与训练中的重要性。