Today for AI
返回热点榜
agent热度 13.5°

AI 聚合热点事件 · 2026/11/2

在线强化学习框架提升 iOS UI 导航智能体鲁棒性

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/2 08:00:00
全景综述与最新动态
1 家信源交叉印证

针对前沿视觉语言模型成本高及小模型易过拟合静态轨迹的问题，提出一种在真实 iOS 应用上直接训练的在线强化学习框架。该框架将智能体解耦为规划与接地模块，利用 LLM-as-a-Judge 提供密集奖励信号，并引入 GiGPPO 算法优化价值估计稳定性，显著提升了智能体在动态界面中的错误恢复能力。

最新动向/针对前沿视觉语言模型成本高及小模型易过拟合静态轨迹的问题，提出一种在真实 iOS 应用上直接训练的在线强化学习框架。该框架将智能体解耦为规划与接地模块，利用 LLM-as-a-Judge 提供密集奖励信号，并引入 GiGPPO 算法优化价值估计稳定性，显著提升了智能体在动态界面中的错误恢复能力。

逐小时热度走势

18 个完整观测小时
当前
13.5
峰值
20.008:00
近 24h 变化
-32%

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Apple Machine Learning ResearchT1·78 分

    在线强化学习框架提升 iOS UI 导航智能体鲁棒性

    原标题：Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live iOS Apps

    • 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，避免离线数据导致的过拟合。
    • 采用 LLM-as-a-Judge 生成结合步骤级反馈与终端奖励的密集奖励信号，指导策略优化。
    • 引入 GiGPPO 邻居条件价值估计方法，利用并发轨迹中视觉相似状态的奖励信号提升 Critic 稳定性。