Baidu（百度）

Agent-G$^2$: Gaussian Guidance for Agentic Reinforcement Learning

Agent-G$^2$：面向智能体强化学习的高斯引导框架

Zixuan Wang, Yanrui Miao, Zhengxi Lu, Teng Pan, Yiwen Qiu, Hongxing Li, Peng Qiu, Ruiqing Zhang, Yongliang Shen

机构 * Baidu Inc.（百度公司） ； Shandong University（山东大学） ； Zhejiang University（浙江大学） 纠错

AI总结 Agent-G$^2$ 是面向智能体强化学习的高斯引导框架，通过在线估计高斯分布参数确定引导深度，在 ALFWorld 等任务上以更低成本实现优于基线的性能。

Comments Code: this https URL (https://github.com/ZJU-REAL/Agent-G2); Project page: this https URL (https://zju-real.github.io/Agent-G2)

Signal or Noise? A Benchmark Study of Agent Skills in Web Development

信号还是噪声？智能体在Web开发中的技能基准研究

Ziyue Yang, Fan Ding

机构 * Baidu（百度） 纠错

AI总结 该研究构建WebDev-Skills-Bench基准，通过实证分析Web开发智能体技能的效果，发现技能注入会降低任务性能、增加成本，提出需将技能视为特定三元组假设并建立对应评估标准。

Beyond Success and Failure: Length-Aware Contrastive Learning for GUI Agents

超越成功与失败：面向GUI智能体的长度感知对比学习

Chengyang Gu, Le Zhang, Jingbo Zhou, Yize Chen, Yu Shi, Siqi Bao, Zheng-Fan Wu, Hua Wu, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Baidu Inc.（百度公司） ； University of Alberta（阿尔伯塔大学） 纠错

AI总结 针对GUI智能体现有对比RLVR方法无法捕获轨迹细粒度质量差异的问题，提出LACL-GUI框架，引入轨迹级质量信号，在基准测试中实现性能提升。