多轮交互

EvoCUA-1.5将计算机使用智能体从离线经验学习扩展到在线强化学习，通过创新算法解决多轮交互中的观察管理、稀疏奖励等挑战，在OSWorld-Verified基准上取得63.2%的成功率。

研究者提出SAGE-OPD框架，通过选择性干预和置信度加权，有效解决多轮智能体训练中的误差累积问题，在ALFWorld任务上实现13.3%的性能提升。