带挑战地学习：面向移动GUI智能体训练的自适应难度感知数据生成

大规模、高质量的交互轨迹对推进移动图形用户界面（GUI）智能体至关重要。现有方法通常依赖劳动密集型的人类演示或自动化模型探索来生成GUI轨迹，但缺乏对任务难度的细粒度控制。由于训练难度与智能体能力不匹配，这从根本上限制了学习效果。受人类通过渐进挑战性任务习得技能的启发，我们提出MobileGen，一个把训练难度自适应对齐到GUI智能体能力边界的新型数据生成框架。具体而言，MobileGen显式把任务难度解耦为结构维度（如轨迹长度）与语义维度（如任务目标）。它随后在一个精选的先验数据集上迭代评估智能体，构建其在两个维度上能力边界的系统画像。基于该画像，自适应计算任务难度的概率分布，从中采样下一轮训练的目标难度。在采样难度引导下，最终用多智能体可控生成器合成高质量交互轨迹及相应任务指令。大量实验表明，MobileGen在多个挑战性基准上将GUI智能体的平均性能提升1.57倍，持续超越现有数据生成方法。这凸显了能力对齐数据生成对有效移动GUI智能体训练的重要性。