长程推理

训练单一模型通过强化学习掌握跨层级智能体动作

Training One Model to Master Cross-Level Agentic Actions via Reinforcement Learning

论文提出的多轮 GRPO 训练流程与自适应动作粒度切换机制，可迁移到视觉-语言-动作模型（VLA）或 GUI 智能体中，让模型在长程视觉任务里自主决定何时用高层 API、何时用低层像素级操作，从而提升长程推理的效率与泛化。