GUI-SD-v2 расширяет on-policy self-distillation для многошаговых GUI‑агентов
Статья на arXiv (2609.27307v1) представляет GUI-SD-v2 — двухэтапную схему обучения, расширяющую on-policy self-distillation (OPSD) от привязки к GUI до многошагового взаимодействия с GUI путём совместной оптимизации прогона с привилегированным и без такового руководства и селективной дистилляции пошагового рассуждения и памяти. Авторы сообщают, что GUI-SD-v2 повышает показатели Pass@1 и Pass@3 по сравнению с OPSD-базовыми методами и оценёнными SOTA на бенчмарках AndroidWorld и MobileWorld; код и данные обучения будут опубликованы.