本研究提出了一种无需人工标注的训练管道，有效解决了传统方法中数据效率低的问题。结果表明，基于大型语言模型的智能体在任务解决和数据生成方面表现优异，增强了在真实网站上的泛化能力。

本文提出了六种组合的转换方法，通过逐步增加转换器神经网络的大小来实现更大、更强大的模型的高效训练管道，并在最小初始化约束下提供确切的功能保留证明。