CODA：通过解耦强化学习协调大脑和 cerebellum，用于双脑电脑使用代理

图形用户界面（GUI）的自主代理在科学计算等专业领域面临重大挑战，这些领域既需要长时程规划也需要精确执行。现有方法存在权衡：通用型代理在规划方面表现出色，但在执行方面表现不佳，而专业型代理则表现出相反的弱点。最近的组合框架试图通过结合规划器和执行器来弥合这一差距，但它们通常是静态且不可训练的，这阻碍了从经验中进行适应。考虑到科学领域高质量数据的稀缺性，这是一个关键限制。为了解决这些限制，我们引入了 CODA，一个新颖且可训练的组合框架，它通过专门的两阶段管道将通用型规划器（Cerebrum）与专业型执行器（Cerebellum）集成。在第一阶段，专业化，我们应用解耦的 GRPO 方法为每个科学应用程序单独训练专家规划器，并从少量任务轨迹中启动。在第二阶段，泛化，我们将所有成功轨迹从专业化专家那里聚合起来，构建一个统一的数据集，然后用于最终规划器的监督微调。这使 CODA 具备了强大的执行能力和跨领域泛化能力。在 ScienceBoard 基准测试中的四个挑战性应用上进行评估，CODA 的表现显著优于基线，并创下了开源模型的新技术水平。