Computer Use / GUI Agent:后训练与自进化评测
面向真实网页与桌面端多步业务流程的 Computer Use / GUI Agent 后训练与评测。基于 Qwen2.5-14B-Instruct 构建 SFT → 离线 step-RFT → 在线 GiGPO 后训练流程,200 条专家解法 benchmark 成功率由 31.3% 提升至 49.2%;再以多教师在线蒸馏(MOPD)把 macOS、Linux、Windows、Web 四个平台的 GiGPO 专家模型融合为一个跨平台通用 Agent;trace 级 LLM-as-Judge 自动评测与人工标注一致率 94.3%(复杂任务 83.2%),并驱动题库自进化。
- GUI Agent
- Qwen2.5
- SFT
- GRPO
- GiGPO
- DAPO
- MOPD
- LLM-as-Judge