一、静态训练范式的失效：Web自动化为何困在”模拟器”里？ 传统Web智能体训练体系长期依赖监督微调（SFT）与离线强化学习（Offline RL），其核心逻辑是通过预标注的轨迹数据构建决策模型。这种”背地图”式训练在实验……
