ATLAS: Agent Tuning via Learning Critical Step
这篇工作也挺有趣的。作者提到了一个叫key step的概念，就是说agent sft数据里，对完成任务最重要、最需要推理的一些step，发现在critical step上加loss，只用30%的数据训练可能就足够了。
其实定义critical step是一个挺困难的事情，之前phi-4会把一次生成分别在不同的地方做sample，然后用平均胜率定义value，但是在agent场景，这个问题好像还没有被建模。
AppAgentX: Evolving GUI Agents as Proficient Smartphone Users
这篇工作，作者关注到gui agent的效率问题。能不能把经常出现的action组合，变成一个action，这样减少history里面的context占用呢？
