摘要
提升 GUI 智能体通常依赖专家轨迹的行为克隆，但在闭环执行中，策略偏离会导致进入专家轨迹未覆盖的离线状态，缺乏有效监督。为此，本文提出技能引导延续蒸馏（SGCD），一种迭代自改进框架。该方法先让普通策略运行至离线状态，再由技能引导策略完成任务生成成功延续，混合专家轨迹以提供监督。技能提取自成功与失败 rollout，包含延续计划、关键目标、失败陷阱及成功标准。实验表明，SGCD 显著提升了多个基座模型的成功率。
AI 推荐理由
论文提出迭代自改进框架，利用技能引导生成数据以填补监督空白，核心在于 Agent 的自我进化能力。
研究机构
StepFun
University of Science and Technology Beijing
Nanyang Technological University
Tsinghua University
论文信息