ANCHOR：面向GUI智能体的分支点数据生成

面向真实桌面环境的端到端 GUI 智能体需要大量高质量交互数据，但收集人类演示成本高昂，而现有合成流水线常常受限于任务多样性不足或轨迹噪声大、目标漂移。我们提出轨迹扩展框架 Anchor，从一小组经过验证的种子演示出发，自举出可扩展的桌面监督数据。从每个种子出发，我们识别对应有意义状态变化的分支点，并提出以当前 GUI 上下文为条件的、扎根于状态的新任务变体。随后，执行智能体按所提出的指令生成新轨迹，同时验证器通过状态感知检查与轨迹级一致性来确保任务完成。为提升监督质量，我们进一步施加任务条件化的步骤级过滤，以移除无依据的动作，并对分支后片段去噪以保持意图连贯。在 OSWorld 与 WindowsAgentArena 两个标准桌面基准上的实验表明，用我们扩展语料微调的模型相对零样本智能体与代表性合成基线取得一致提升，并能跨应用与操作系统泛化。