人工智能领域迎来突破性进展——由北京理工大学等多家机构联合研发的GUI智能体训练框架DART，成功让AI具备像人类一样操作电脑的能力。这项发表于arXiv平台的研究（编号2509.23866v1），通过创新性架构设计使AI训练效率提升数倍，在复杂软件操作任务中展现出惊人表现。
传统AI训练如同单线程工厂，每个环节必须按顺序完成：观察屏幕、分析决策、执行操作、等待反馈。研究团队形象地比喻这种模式如同厨师独自完成整道菜品制作，在等待水烧开或食材烹饪的间隙完全闲置。DART框架通过将训练过程解构为环境集群、推理服务、数据管理和训练器四大模块，实现了多线程并行作业，如同将手工作坊升级为现代化智能工厂。
在技术实现层面，研究团队构建了包含180个虚拟Ubuntu环境的计算集群，配合多GPU推理服务器和智能数据管理系统。环境集群持续运行各类软件任务，推理服务实时处理决策请求，数据管理系统精准调度训练数据，训练器则持续优化模型参数。这种架构使GPU利用率提升1.6倍，训练吞吐量提高1.9倍，环境资源利用率更是达到传统方法的5.5倍。
针对训练数据质量参差不齐的问题，研究团队设计了多层次自适应策略。在任务层面，系统动态调整练习频率，当AI对某任务掌握度超过60%时自动减少训练量；在操作轨迹层面，根据任务复杂度设置个性化步骤限制；在关键决策点层面，采用高熵驱动策略重点训练不确定性高的操作步骤。特别设计的经验轨迹池，通过预存成功案例帮助AI攻克复杂任务，如同为学生提供标准答案参考。
在OSWorld基准测试中，基于UI-TARS-1.5-7B模型优化的DART-GUI-7B展现出卓越性能。该模型在仅允许30步操作的严格限制下，达到42.13%的任务完成率，较基础模型提升14.61个百分点，超越此前最优开源模型7.34个百分点。具体案例显示，在VS Code配置任务中，AI能准确找到"编辑器换行列数"而非错误修改"HTML格式换行长度"；在LibreOffice文档编辑中，精确选中需要下标的"2"而非整个"H2O"文本。
技术细节方面，研究团队采用Kubernetes容器技术管理虚拟环境，通过vLLM推理引擎优化决策处理。构建的MySQL中央数据库包含11个关联数据表，完整记录每次操作细节。分布对齐技术解决了推理与训练环节的"表达差异"问题，确保模型学习过程的一致性。动态轨迹调节机制根据实时成功率自动调整采样频次，使计算资源始终聚焦于最需改进的任务。
尽管在Chrome浏览器"请勿跟踪"设置等复杂任务中仍存在操作偏差，但研究团队强调DART框架的核心价值在于提供可扩展的训练基础设施。开源的训练框架、数据集和模型检查点，为学术界和产业界提供了重要资源。该技术对普通用户意味着自动化文件处理、数据备份等重复操作将成为现实；对企业用户可显著提升办公效率；对残障人士则能通过语音指令完成复杂软件操作，大幅提高数字化工具的可访问性。
在问答环节，研究人员解释了DART-GUI-7B的独特优势：其去耦合架构使四个训练模块可独立运行，避免传统方法的等待损耗；轨迹级采样技术允许AI即时获得操作反馈，无需等待批量任务完成；按工作者更新机制实现模型局部优化，保持训练过程连续性。这些创新使AI在30步操作限制下，达到其他模型100步才能实现的性能水平。
