[{"data":1,"prerenderedAt":14},["ShallowReactive",2],{"$fnT8XJj91qf7aXc1I_SsvnFnl9ocuUqHhtLJ-Ihcl4ec":3},{"id":4,"title":5,"slug":6,"content":7,"excerpt":8,"coverImage":9,"category":10,"tags":11,"published":12,"createdAt":13,"updatedAt":13},47,"UI-Voyager：从失败中进化的 GUI Agent","ui-voyager","# UI-Voyager：从失败中进化的 GUI Agent\n\n## 核心问题\n\n你能想象一个 AI 通过不断**失败**来变强吗？\n\n传统的 AI 训练方法，通常只从\"成功\"中学习——成功的轨迹、正确的答案。但 UI-Voyager 做了一件反直觉的事：**把失败变成最宝贵的学习资源**。\n\n> 失败不是终点，而是学习的机会。\n\n## 两阶段学习框架\n\n### 阶段一：拒绝微调（RFT）\n\nUI-Voyager 首先让 AI Agent 自主执行手机操作任务，收集大量的成功和失败轨迹。然后像淘金一样，筛选出高质量的数据来持续微调模型。\n\n这个过程完全**自主完成**，不需要人类标注。\n\n### 阶段二：组相对自蒸馏（GRSD）\n\n这是最精彩的部分。系统会对同一个任务执行多次：\n\n1. **找到分叉点** — 成功和失败的轨迹在哪里开始分道扬镳？\n2. **对比学习** — 在分叉点，成功做了什么，失败做了什么？\n3. **自我纠错** — 把成功经验当作\"老师\"，纠正错误决策\n\n:::note 核心洞察\n通过对比成功和失败轨迹，UI-Voyager 把稀疏的\"最终对\u002F错\"信号，转化成了每个步骤都有反馈的密集学习信号。\n:::\n\n## 结果\n\n4B 参数模型在 AndroidWorld 基准上达到了 **81.0%** 的成功率——超越了人类平均表现。\n\n## 启发\n\n1. **失败比成功更有教育意义** — 如果我们能系统性地从失败中提取知识，AI 的学习效率将大幅提升\n2. **小而美** — 高质量的训练策略可以弥补模型规模的不足\n3. **自我进化的未来** — UI-Voyager 为 AI 的自主改进提供了一个具体的蓝图\n","一个 4B 参数的模型如何通过自我进化在 AndroidWorld 上超越人类表现",null,"知识图谱","AI Agent, 自我进化, GUI自动化, 早期文章",true,"2026-03-27T00:00:00.000Z",1794201835362]