From Off-Policy to On-Policy: Enhancing GUI Agents via Bi-level Expert-to-Policy Assimilation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Zezhou, Zhang, Ziyun, Zhang, Xiaoyi, Qian, Zhuzhong, Lu, Yan |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training
par: Zhang, Ziyun, et autres
Publié: (2026)
par: Zhang, Ziyun, et autres
Publié: (2026)
On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting
par: Zhang, Wenhao, et autres
Publié: (2025)
par: Zhang, Wenhao, et autres
Publié: (2025)
Off-OAB: Off-Policy Policy Gradient Method with Optimal Action-Dependent Baseline
par: Meng, Wenjia, et autres
Publié: (2024)
par: Meng, Wenjia, et autres
Publié: (2024)
Soft Policy Optimization: Online Off-Policy RL for Sequence Models
par: Cohen, Taco, et autres
Publié: (2025)
par: Cohen, Taco, et autres
Publié: (2025)
InfiGUI-G1: Advancing GUI Grounding with Adaptive Exploration Policy Optimization
par: Liu, Yuhang, et autres
Publié: (2025)
par: Liu, Yuhang, et autres
Publié: (2025)
BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping
par: Xi, Zhiheng, et autres
Publié: (2025)
par: Xi, Zhiheng, et autres
Publié: (2025)
Towards Off-Policy Reinforcement Learning for Ranking Policies with Human Feedback
par: Xiao, Teng, et autres
Publié: (2024)
par: Xiao, Teng, et autres
Publié: (2024)
Learning to Reason under Off-Policy Guidance
par: Yan, Jianhao, et autres
Publié: (2025)
par: Yan, Jianhao, et autres
Publié: (2025)
Breaking the Curse of Repulsion: Optimistic Distributionally Robust Policy Optimization for Off-Policy Generative Recommendation
par: Jiang, Jie, et autres
Publié: (2026)
par: Jiang, Jie, et autres
Publié: (2026)
Diagnosing Live Within-Policy Instruction Conflicts in LLM Agents with Witnessed Resolution Profiles
par: Yan, Lu, et autres
Publié: (2026)
par: Yan, Lu, et autres
Publié: (2026)
Maximum Entropy Reinforcement Learning with Diffusion Policy
par: Dong, Xiaoyi, et autres
Publié: (2025)
par: Dong, Xiaoyi, et autres
Publié: (2025)
EAPO: Enhancing Policy Optimization with On-Demand Expert Assistance
par: Song, Siyao, et autres
Publié: (2025)
par: Song, Siyao, et autres
Publié: (2025)
Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization
par: Liu, Zeyuan, et autres
Publié: (2026)
par: Liu, Zeyuan, et autres
Publié: (2026)
Learn where to Click from Yourself: On-Policy Self-Distillation for GUI Grounding
par: Zhang, Yan, et autres
Publié: (2026)
par: Zhang, Yan, et autres
Publié: (2026)
Style-Preserving Policy Optimization for Game Agents
par: Li, Lingfeng, et autres
Publié: (2025)
par: Li, Lingfeng, et autres
Publié: (2025)
Large Language Model Post-Training: A Unified View of Off-Policy and On-Policy Learning
par: Zhao, Shiwan, et autres
Publié: (2026)
par: Zhao, Shiwan, et autres
Publié: (2026)
Data Poisoning Attacks on Off-Policy Policy Evaluation Methods
par: Lobo, Elita, et autres
Publié: (2024)
par: Lobo, Elita, et autres
Publié: (2024)
From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning
par: Deng, Zhirui, et autres
Publié: (2024)
par: Deng, Zhirui, et autres
Publié: (2024)
Turning Sand to Gold: Recycling Data to Bridge On-Policy and Off-Policy Learning via Causal Bound
par: Fiskus, Tal, et autres
Publié: (2025)
par: Fiskus, Tal, et autres
Publié: (2025)
Generalized Policy Gradient with History-Aware Decision Transformer for Reliable Routing over Graph Signals
par: Wei, Xing, et autres
Publié: (2025)
par: Wei, Xing, et autres
Publié: (2025)
Zero-Shot Off-Policy Learning
par: Asadulaev, Arip, et autres
Publié: (2026)
par: Asadulaev, Arip, et autres
Publié: (2026)
Policy of Thoughts: Scaling LLM Reasoning via Test-time Policy Evolution
par: Jiao, Zhengbo, et autres
Publié: (2026)
par: Jiao, Zhengbo, et autres
Publié: (2026)
Clustering Context in Off-Policy Evaluation
par: Guzman-Olivares, Daniel, et autres
Publié: (2025)
par: Guzman-Olivares, Daniel, et autres
Publié: (2025)
Concept-driven Off Policy Evaluation
par: Majumdar, Ritam, et autres
Publié: (2024)
par: Majumdar, Ritam, et autres
Publié: (2024)
Trust the Batch, On- or Off-Policy: Adaptive Policy Optimization for RL Post-Training
par: Fakoor, Rasool, et autres
Publié: (2026)
par: Fakoor, Rasool, et autres
Publié: (2026)
Kernel Metric Learning for In-Sample Off-Policy Evaluation of Deterministic RL Policies
par: Lee, Haanvid, et autres
Publié: (2024)
par: Lee, Haanvid, et autres
Publié: (2024)
Off-Policy Correction For Multi-Agent Reinforcement Learning
par: Zawalski, Michał, et autres
Publié: (2021)
par: Zawalski, Michał, et autres
Publié: (2021)
Real-Time Diffusion Policies for Games: Enhancing Consistency Policies with Q-Ensembles
par: Zhang, Ruoqi, et autres
Publié: (2025)
par: Zhang, Ruoqi, et autres
Publié: (2025)
Reinforcing Language Agents via Policy Optimization with Action Decomposition
par: Wen, Muning, et autres
Publié: (2024)
par: Wen, Muning, et autres
Publié: (2024)
Recycling Failures: Salvaging Exploration in RLVR via Fine-Grained Off-Policy Guidance
par: Ren, Yanwei, et autres
Publié: (2026)
par: Ren, Yanwei, et autres
Publié: (2026)
Statistical Tractability of Off-policy Evaluation of History-dependent Policies in POMDPs
par: Zhang, Yuheng, et autres
Publié: (2025)
par: Zhang, Yuheng, et autres
Publié: (2025)
Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization
par: Wang, Yibo, et autres
Publié: (2026)
par: Wang, Yibo, et autres
Publié: (2026)
Adaptive Layerwise Perturbation: Unifying Off-Policy Corrections for LLM RL
par: Ye, Chenlu, et autres
Publié: (2026)
par: Ye, Chenlu, et autres
Publié: (2026)
Automated Off-Policy Estimator Selection via Supervised Learning
par: Felicioni, Nicolò, et autres
Publié: (2024)
par: Felicioni, Nicolò, et autres
Publié: (2024)
D2PPO: Diffusion Policy Policy Optimization with Dispersive Loss
par: Zou, Guowei, et autres
Publié: (2025)
par: Zou, Guowei, et autres
Publié: (2025)
Building Open-Ended Embodied Agent via Language-Policy Bidirectional Adaptation
par: Zhai, Shaopeng, et autres
Publié: (2023)
par: Zhai, Shaopeng, et autres
Publié: (2023)
Stable Asynchrony: Variance-Controlled Off-Policy RL for LLMs
par: Huang, Luke J., et autres
Publié: (2026)
par: Huang, Luke J., et autres
Publié: (2026)
Selective Off-Policy Reference Tuning with Plan Guidance
par: Le, Duc Anh, et autres
Publié: (2026)
par: Le, Duc Anh, et autres
Publié: (2026)
Agent-Pro: Learning to Evolve via Policy-Level Reflection and Optimization
par: Zhang, Wenqi, et autres
Publié: (2024)
par: Zhang, Wenqi, et autres
Publié: (2024)
Graph-Enhanced Policy Optimization in LLM Agent Training
par: Yuan, Jiazhen, et autres
Publié: (2025)
par: Yuan, Jiazhen, et autres
Publié: (2025)
Documents similaires
-
InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training
par: Zhang, Ziyun, et autres
Publié: (2026) -
On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting
par: Zhang, Wenhao, et autres
Publié: (2025) -
Off-OAB: Off-Policy Policy Gradient Method with Optimal Action-Dependent Baseline
par: Meng, Wenjia, et autres
Publié: (2024) -
Soft Policy Optimization: Online Off-Policy RL for Sequence Models
par: Cohen, Taco, et autres
Publié: (2025) -
InfiGUI-G1: Advancing GUI Grounding with Adaptive Exploration Policy Optimization
par: Liu, Yuhang, et autres
Publié: (2025)