AliyunConsoleAgent：通过蒸馏与强化学习在真实云环境中训练 Web 智能体

本文提出 AliyunConsoleAgent，旨在解决真实云控制台中文档验证的高成本与低覆盖率问题。针对前沿模型成本高及隐私限制，作者设计了两阶段训练范式：首先基于蒸馏的前沿模型轨迹进行监督微调，随后利用群相对策略优化（GRPO）及双通道结果奖励模型在真实云环境中进行强化学习。通过构建高确定性 rollout 系统及基于后端审计日志的奖励评估协议，有效隔离环境噪声并防止奖励欺骗。实验表明，该模型显著缩小了与最强专有模型的差距，同时大幅降低推理成本，实现了从指令遵循到自主决策的进化。