课程简介

GUI Agent 正从"实验室 Demo"走向"真实生产力"，行业关注的焦点也在从"更大的模型"转向"更好的训练范式"。一个明显的趋势是：研究重心正从单轨迹模仿学习，转向多解探索与强化学习反馈闭环——让小参数量的轻量 Agent 也能在真实、多变的图形界面中稳定完成任务。数据表达方式、在自身状态上的学习机制、以及规划与执行的双层反馈，正在成为下一代 GUI Agent 训练框架的核心命题。

 今天的 GUI Agent 已经能够在 Demo 中点击按钮，但距离真正替人完成电脑任务，还有一个容易被忽略的差距：我们常常把"专家走过的一条路线"误当成"唯一正确答案"。现实中的 GUI 任务却像一座不断变化的城市，同一个目标可以通过菜单、搜索、快捷键等多条路径完成；小模型如果只接受单轨迹 SFT，容易学会复刻路线，却不会在走偏后重新找路。真正的能力提升，在于把 Agent 从"背路线"训练成"会导航"。

 本次分享以 NeurIPS 投稿论文 LiteGUI 为案例，系统呈现"会导航"的轻量 GUI Agent 是如何训练出来的。通篇沿四个层次展开：剖析单一路径 SFT 失效的根本原因，说明轻量模型为何会"复刻路线却不会找路"；研讨多解数据的表达方式，让同一任务的多种可行路径都能被模型学习；讲解 Guided-OPD 让 student 在自己实际到达的状态上学习，而非只模仿专家轨迹；剖析 Multi-solution Dual-level GRPO，为规划与执行建立双层反馈闭环。最后，结合数据生成、评测结果与工程复盘，给出一个核心结论：轻量 Agent 的能力提升不仅取决于参数规模，更取决于是否建立了正确的反馈闭环。

 课程收益

目标：

1、理解 GUI Agent 为什么不能只模仿一条专家轨迹；

2、并掌握多解探索、On-Policy Distillation、双层奖励和反馈闭环的设计思路。
成功要点：
1、GUI Demo 跑通不等于研究系统成熟。环境、评测、数据治理和实验管理会决定智能体后续迭代速度。
2、Agent 的核心资产不是单个模型，而是能持续把失败转化为数据、指标和训练反馈的闭环。

启示：

LiteGUI 通过多解动作集合、Guided-OPD 与 MD-GRPO 三层设计，让轻量 Agent 在自己的状态上学习、在规划与执行两个层面获得反馈，并以自动化轨迹生成和 Lite-Bench 评测闭环支撑，最终从"复刻路线"进化为"自主导航"。

 受众人群

AI科学家、大模型研究员和技术负责人、资深算法专家、CTO、Loop技术开发应用人员、本体论研究者、GUI系统研发工程师、智能体Agent架构师以及其他对Agentic感兴趣的从业者。

课程周期

    0.5天（3H） 

课程大纲