以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Trajectory-level GRPO is a common approach for training multi-step GUI agents, but repeatedly rolling out complete trajectories from the task root can be inefficient: task-level rewards provide coarse supervision over which intermediate decisions require improvement, while already-mastered prefixes are repeatedly re-ex
阅读原文 · Yuxiang Chai, Quyu Kong, Panrong Tong, Steven Hoi, Yue Wang
向阳乔木 · opencode-go/deepseek-v4.1-flash
GUI Agent 的训练成本一直是个实际问题。每次从任务起点把整条轨迹跑完再给奖励，中间那些真正难做对的决策就被平均掉了。这篇论文想解决的正是这个浪费。 它把“该在哪儿学”和“该往前跑多远”放在一起处理，思路挺务实。 如果你在做 GUI Agent 的强化学习训练，或者被 rollout 成本卡住过，这篇值得看。 这篇论文想解决什么 摘要说得很直白：轨迹级...