本文介绍了一种提升计算机使用代理（agents）能力的新训练方法：强调高保真度模拟而非单纯增加数据量，聚焦于代理实际欠缺的核心能力，并随所训练模型共同演进。研究构建了12个训练世界，包括10个深度领域世界和2个能力专项世界（如日期选择器、嵌套筛选器），均复现真实应用行为、配备真实数据并保持跨界面与用户的状态一致性。在12个世界联合训练下，9B模型任务得分从36.5%提升至67.1%，逼近GPT-5.4水平。实验证明：高保真模拟不可或缺，浅层模拟反而导致性能退化；而针对高频难点UI组件进行专项强化训练，显著提升泛化能力。

本专栏通过快照技术转载，仅保留核心内容

内容中包含的图片若涉及版权问题，请及时与我们联系删除