在线强化学习与规划-锚定智能体用于iOS应用UI导航

研究人员提出一种在线强化学习框架，直接在真实iOS应用上训练UI导航智能体。该框架将智能体解耦为规划智能体和UI锚定模型两部分，使用LLM作为裁判提供密集奖励信号，并通过PPO算法优化。实验显示，8B RL模型在跨平台泛化上比SFT基线提升近7倍，在真实iOS应用上性能接近Gemini-3.1-Pro。