研究用强教师选择性指导本地小模型，减少网页智能体在线适应成本。
推荐理由：核心变化是从每条轨迹统一反馈转向判断何时教、教什么，避免把预算浪费在无法修复或无需指导的回合上，为低成本本地智能体持续学习提供可部署路径。
阅读原文