提供公开的人类操作轨迹，用于状态—动作重构与 SFT；静态数据不能直接承担在线 RL。
SFT SOURCEGA
WLAN 端到端任务用一条合成移动端任务讲清状态表示、可执行动作、过程奖励和端到端回读。
END-TO-END FLOW点击任意阶段，停留检查过程
MANUAL HOLD
THU AIR / GUI AGENT POST-TRAINING让模型看到结构、输出动作，并在每一步得到可解释训练信号。
QWENCODE-AS-ACTIONPRM / STEPWISE
01 / 07
SCOPE环境分工
REPLAYING
可交互安卓环境，用程序化任务检查端到端动作是否真正完成。
ONLINE VERIFY网页交互更易并行，承载 ORM→PRM 与策略后训练的方法验证。
ROLLOUT01SCOPE环境分工02STATEXML 表示03UTG状态转移04ACTION动作 DSL05LABEL过程奖励06TRAINPRM + PPO07VERIFY端到端验证