精选理由
做小模型领域专精的团队终于有了高效方案——LearnWeak用强模型找弱模型短板，自动生成针对性数据，比盲目合成数据效果好太多，做CUA或自动化代理的开发者值得一试。
计算机使用代理（CUA）在多个领域取得进展，但为每个领域部署大型专家模型成本高昂。小模型虽更实用，但在特定领域表现不均。研究发现，简单合成大规模训练数据效果有限。为此，研究者提出LearnWeak框架，利用强参考代理识别小模型的弱点，自动生成针对性任务和训练数据，并引入错误感知的专精目标，区分规划与执行错误。在OSWorld基准上，LearnWeak在八个领域平均提升EvoCUA-8B和OpenCUA-7B分别11.6和11.1个百分点，优于现有方法。
AI 翻译 · 中文
计算机使用代理（CUA）在多个领域取得进展，但为每个领域部署大型专家模型成本高昂。小模型虽更实用，但在特定领域表现不均。研究发现，简单合成大规模训练数据效果有限。为此，研究者提出LearnWeak框架，利用强参考代理识别小模型的弱点，自动生成针对性任务和训练数据，并引入错误感知的专精目标，区分规划与执行错误。在OSWorld基准上，LearnWeak在八个领域平均提升EvoCUA-8B和OpenCUA-7B分别11.6和11.1个百分点，优于现有方法。
Computer-use agents (CUAs) have recently made substantial progress, but deploying a separate large expert for each software domain remains expensive. Small open computer-use agents are more practical specialization targe…