AutoGLM 原始论文与引用方式

四篇核心论文

AutoGLM 系列目前有四篇核心论文，分别对应基础框架和三个强化学习方向：

基础论文（AutoGLM 2024）

这是整个系列的开山之作，核心洞察有两个：

① 中间接口设计——把规划（灵活、需要错误恢复）和执行（精确）用结构化动作 JSON 解耦，分别优化。

② 在线课程强化学习——离线训练够不到真实环境的无限变化，需要让 Agent 在线试错自我进化。

公开评测结果：

BibTeX 引用

# AutoGLM（基础框架）
@article{liu2024autoglm,
  title={AutoGLM: Autonomous Foundation Agents for GUIs},
  author={Liu, Xiao and Qin, Bo and Liang, Dongzhu and Dong, Guang and Lai, Hanyu and Zhang, Hanchen and Zhao, Hanlin and Iong, Iat Long and Sun, Jiadai and Wang, Jiaqi and others},
  journal={arXiv preprint arXiv:2411.00820},
  year={2024}
}

# MobileRL
@article{xu2025mobilerl,
  title={MobileRL: Online Agentic Reinforcement Learning for Mobile GUI Agents},
  author={Xu, Yifan and Liu, Xiao and Liu, Xinghan and Fu, Jiaqi and Zhang, Hanchen and Jing, Bohao and Zhang, Shudan and Wang, Yuting and Zhao, Wenyi and Dong, Yuxiao},
  journal={arXiv preprint arXiv:2509.18119},
  year={2025}
}

# ComputerRL
@article{lai2025computerrl,
  title={ComputerRL: Scaling End-to-end Online Reinforcement Learning for Computer Use Agents},
  author={Lai, Hanyu and Liu, Xiao and Zhao, Yanxiao and Xu, Han and Zhang, Hanchen and Jing, Bohao and Ren, Yanyu and Yao, Shuntian and Dong, Yuxiao and Tang, Jie},
  journal={arXiv preprint arXiv:2508.14040},
  year={2025}
}

# AgentRL
@article{zhang2025agentrl,
  title={AgentRL: Scaling Agentic Reinforcement Learning with a Multi-Turn, Multi-Task Framework},
  author={Zhang, Hanchen and Liu, Xiao and Lv, Bowen and Sun, Xueqiao and Jing, Bohao and Iong, Iat Long and Hou, Zhenyu and Qi, Zehan and Lai, Hanyu and Xu, Yifan and others},
  journal={arXiv preprint arXiv:2510.04206},
  year={2025}
}

项目主页

AutoGLM 有一个专门的项目页面：xiao9905.github.io/AutoGLM/

上面汇总了：

• 四篇论文的链接
• GitHub（Open-AutoGLM）、Blog、模型下载链接
• 真实速度录制的 Demo 视频（手机端和浏览器端）
• 作者团队信息（智谱 AI + 清华大学）

开源仓库引用

如果要在博客或项目文档里引用开源的 Open-AutoGLM 框架：

• GitHub：zai-org/Open-AutoGLM
• 模型：AutoGLM-Phone-9B（THUDM 仓库）+ AutoGLM-Phone-9B-Multilingual（zai-org 仓库）
• 模型权重 MIT License，代码 Apache-2.0 License

相关阅读

• 强化学习三部曲概述
• AutoGLM 框架基础
• 工作原理：截图→理解→规划→执行