GUI-AC：增强 GUI 智能体的持续学习能力

图形用户界面（GUI）是人机交互的主要媒介，但构建能像人类一样灵活适应多样真实环境的 GUI 智能体仍具挑战。GUI 数据的非平稳性导致分布持续偏移，阻碍了现有智能体的持续学习。针对强化微调（RFT）存在的基础能力不稳定、优势估计噪声大及探索能力崩溃等问题，本文提出 GUI-AC 方法。该方法引入基础确定性概念，包含自适应优势机制以降低噪声防止策略过自信，以及动态裁剪机制以放宽界限鼓励探索。实验表明，该方法显著提升了性能，超越了当前最先进基线。