本研究提出了一种新框架“偏好目标调优”（PGT），旨在优化开放世界代理的指令跟随政策。PGT通过收集环境轨迹并基于偏好进行分类，调整初始目标的潜在表示。实验结果表明，PGT显著提升了代理性能，并展现出良好的泛化能力。
完成下面两步后，将自动完成登录并继续当前操作。
