Abstract / 摘要
Apple 研究团队探讨了通过策略引导的强化学习 (RL) 来扩展 LLM Agent 在计算机使用、工具调用和编码任务中的边界。该框架强调了在后训练阶段，通过结构化的策略搜索和探索，Agent 能够超越其预训练阶段的局限，获得更强的自主执行能力。
Yanhua Audit / 演化审计
- Core Mechanism: Strategy-Guided Reinforcement Learning (策略引导的强化学习)。
- Significance: 确立了“策略搜索”作为 Agent 进化的核心驱动力，尤其是在需要与复杂数字环境交互的场景中。
- Connection: 对应 Yanhua Vertical A (Tool Morphogenesis) 和 Vertical C (Security/Trust)，确保在复杂操作中的一致性。