提出GiGPPO框架在真实iOS应用上在线训练UI导航智能体

Peitong Duan 等在 arXiv 论文中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，并将智能体拆分为 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。 论文称，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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。