LiteGUI：通过多解引导蒸馏与双层强化学习构建轻量级 GUI 智能体

arXiv:2605.07505v2 公告类型：replace-cross 摘要：我们提出了 LiteGUI，一种用于构建轻量级 GUI 智能体的新框架。由于复杂任务具有长时程特性，且存在多条有效的交互路径，GUI 交互面临独特挑战，而轻量级 GUI 智能体难以有效应对这些挑战。为解决这些问题，LiteGUI 提出了一种基于已记录 GUI 状态运行的两阶段后训练框架。首先，我们提出 Guided On-Policy Distillation：通过从经人工验证的多解动作标注中选择与当前 GUI 状态最匹配的有效动作，在每个 GUI 状态为训练过程提供教师特权指导，同时保持学生模型的在策略 rollout 不变。其次，我们开发了 Multi-Solution Dual-Level GRPO：在考虑每个已记录 GUI 状态存在多个有效动作的同时，将动作级监督与基于历史条件、按状态进行的规划质量监督相结合。这两个阶段共同支持多步 GUI 任务，而无需学生模型复现固定的示范轨迹。我们进一步开发了可扩展的数据生成流程及相应的多解数据集 Lite-Dataset，以支持 GUI 智能体的训练与评估，弥补现有文献中的空白。在多个 GUI 基准上的大量实验表明，与包括 SFT、在策略蒸馏和 GRPO 在内的现有训练范式相比，LiteGUI 能够显著提升轻量级 GUI 智能体的性能；此外，与规模大得多的模型相比，LiteGUI 也实现了具有竞争力甚至更优的性能。