MintAct:用一套视觉Agent统一界面定位、跨端导航和看图调工具 21 9 月, 2026 作者 PengChao MintAct 在 2B/4B/8B 规模用同一套权重统一 UI grounding、手机/桌面/网页多步导航与视觉工具使用,并以多阶段监督加异步强化学习稳住跨域训练。