تواجه الوكلاء المستقلون لواجهات المستخدم الرسومية (GUI) تحديات كبيرة في المجالات المتخصصة مثل الحوسبة العلمية، حيث تتطلب المهام تخطيطًا على مدى طويل وتنفيذًا دقيقًا في آنٍ واحد. تعاني الطرق الحالية من تناقض جوهري: فالوكلاء العامون يتفوقون في التخطيط ولكنهم يُظهرون أداءً ضعيفًا في التنفيذ، في حين أن الوكلاء المتخصصون يُظهرون ضعف العكس. حاولت الإطارات المركبة الحديثة تقليل هذه الفجوة من خلال دمج مخطط مع نفذ، لكنها غالبًا ما تكون ثابتة وغير قابلة للتدريب، مما يمنعها من التكيّف بناءً على الخبرة. وهذه نقطة حرجة نظرًا لقلة البيانات عالية الجودة في المجالات العلمية. لمعالجة هذه القيود، نقدّم "CODA"، وهي إطار مركّب جديد وقابل للتدريب، يدمج مخططًا عامًا (Cerebrum) مع نفّذ متخصص (Cerebellum)، وتم تدريبه عبر خطّة تدريب مخصصة مكوّنة من مرحلتين. في المرحلة الأولى، "التخصص"، نطبّق منهجية GRPO منفصلة لتدريب مخطط خبير لكل تطبيق علمي بشكل منفصل، مع البدء من مجموعة صغيرة من مسارات المهام. وفي المرحلة الثانية، "التعميم"، نجمّع جميع مسارات النجاح من الخبراء المتخصصين لبناء مجموعة بيانات موحّدة، ثم نستخدمها في عملية التدريب الدقيق المراقبة (supervised fine-tuning) للمخطط النهائي. هذا يزوّد نظام CODA بكفاءة تنفيذ قوية وقدرة على التعميم عبر المجالات. وقد أُجري تقييم CODA على أربع تطبيقات صعبة ضمن معيار ScienceBoard، حيث تفوقت بشكل ملحوظ على النماذج الأساسية، وحققت حالة جديدة من التميز بين النماذج المفتوحة المصدر.