并非所有经验都属于权重：自我改进 GUI Agent的组件路由

自我改进的 GUI Agent通过微调或检索提示来保留它们产生的轨迹并将其返回给Agent，但比较两个目的地的研究并不同意。我们将其归因于经验单位：轨迹捆绑了具有不同属性的项目，因此关于捆绑的结论取决于其组合。为了解决这个问题，（i）我们引入组件路由，它将经验分成定位器、过程、状态事实和教训，并将每个组件发送到上下文或权重，在三个骨干系列、两个环境和三个种子中的相同项目上进行比较。一个池有两个目的地：定位器和课程在权重、程序和上下文中陈述事实方面获胜。 (ii) 我们在任何训练之前测量的两个属性（循环和状态条件）中拟合一条规则；它在 24 个单元中的 24 个单元中恢复了保留的骨干网系列的目的地，两次干预将组件移向边界，并且按规则进行的路由击败了每个整个轨迹基线，并且平均+3.5个点，每个骨干网的更好的单一目的地。 （iii）我们确定了训练和生产者-消费者差异如何改变两个目的地的价值：在将相同成分写入权重后，注释读数会减少，对于最常出现的项目而言，上下文增益会随着信息差距的增加而增加，权重增益会随着政策差距的增加而减少。代码和数据将被发布。