vivo 提出半在线 RL 框架 SOLAR-RL，仅 15k 轨迹稳定训练手机 GUI 智能体

vivo AI Lab 联合之江实验室、中国科学院大学杭州高等研究院提出半在线强化学习框架 SOLAR-RL，以 Qwen2.5-VL-7B-Instruct 为基座、仅用 15k 条静态轨迹训练，在 AndroidWorld 上取得 33.7%SR，超过使用 145k 轨迹的在线方法 UI-TARS-7B-SFT（33.3%）。