自蒸馏新方法让电脑操作智能体训练效果小幅提升

ComputerSD把智能体执行操作后的实时反馈转成训练信号，作者称在OSWorld-Verified基准上超过只用结果奖励的训练方法。

具体数字：在Qwen3-VL-8B-Thinking骨干上高1.9个百分点，在专用的EvoCUA-8B上高4.1个百分点，均为论文作者自测。

提升幅度不大，基准也由作者自己运行，方法能否在真实使用中带来同等收益，需等独立复现。