BlueLM-GUI 技术报告：一种以真实设备为中心的自优化移动GUI智能体飞轮

移动GUI智能体正从多模块框架转向端到端训练的原生模型，但工业部署仍面临三个持续性缺口：沙箱训练与生产环境存在分布不匹配；昂贵的真实设备故障未被充分挖掘；固定基准测试饱和，无法有效指导迭代。我们提出了BlueLM-GUI，一个35B-A3B移动GUI智能体，构建为以真实设备为中心的飞轮，通过三大原则解决上述问题。每一条轨迹都重要：采用双轨流程，包含异构三元系统共识评估和错误修正与推导模块，将每一条轨迹转化为可用的监督信号。每一次轨迹都是真实的：通过三阶段流程——持续预训练、监督微调和基于数百部真实手机的智能体强化学习——使所有轨迹扎根于真实生产环境，从而模型学习的能力可直接迁移至部署。每一个查询都在进化：采用配额驱动的基准方法，包含三个正交维度，实现精确归因，并能随着模型提升系统性升级。BlueLM-GUI在MobileGUI-VBench上达到87.4，超越最佳闭源模型5.1个点，在AndroidWorld上取得84.9的分数，为开源模型中的最高成绩，且与闭源模型水平相当。这些结果表明，将模型训练与迭代优化扎根于真实设备，并遵循三大‘每’原则，能够实现强大、鲁棒且可迁移的移动GUI能力。