EvoCUA-1.5用在线强化学习训练电脑智能体

让电脑智能体在可执行沙箱中在线交互学习，覆盖动作反馈、状态变化与失败恢复。

推荐理由：相比依赖静态轨迹，EvoCUA-1.5让策略在真实状态转移中获得反馈并学习恢复，训练目标首次覆盖电脑操作的因果闭环；这可能缩小离线高分与实际长程执行间的差距。