arXiv · cs.AI· Peitong Duan·· 1 天前AI 评分51
在线密集强化学习训练 UI 导航智能体，在真实 iOS 应用上完成规划与定位分离
Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live IOS Apps
来源与原文
arXiv · cs.AI
作者：Peitong Duan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39264v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出在线强化学习框架，直接在真实 iOS 应用上训练 UI 导航智能体，将其拆分为 Planning agent 和 UI Grounding model 两个组件。方法结合 LLM-as-a-Judge 的步级密集奖励与终端奖励，用 PPO 和新提出的 GiGPPO 邻居条件价值估计优化，并搭建了数百台并发虚拟 iOS 设备的基础设施。在 UINavBench、iOSWorld、AndroidWorld 上显著超过 SFT 和终端奖励 RL 基线，8B 模型对 Android 环境的分布外泛化较 SFT 基线提升近七倍，在真实 iOS 应用上超过 Gemini-3.5-Flash、与 Gemini-3.1-Pro 持平。
来源：arXiv · cs.AI · arxiv.org