在线密集强化学习框架用于iOS应用UI导航
先了解这件事
2026年10月29日，Hugging Face Daily Papers 报道了一项面向实时 iOS 应用 UI 导航的研究：研究者提出一种在线强化学习框架，直接在实时 iOS 应用上训练 UI 导航智能体，将智能体拆分为 Planning agent 与 UI Grounding 模型两部分，并用 LLM-as-a-Judge 提供稠密步级奖励与终端奖励，配合 PPO 和步级优势估计进行优化。2026年11月2日，Apple Machine Learning Research 以一手来源报道同一框架，表述为在真实 iOS 应用上训练，奖励信号为结合逐步稠密反馈与任务完成终端奖励，并新增提出 GiGPPO 以提升 critic 稳定性。早先报道未提及 GiGPPO，后续报道补充了这一方法细节；两篇报道均未披露训练规模、评测结果或与其他方法的对比数据。
AI 根据报道生成 · 4 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Apple Machine Learning Research面向真实 iOS 应用的 UI 导航：规划-定位智能体在线稠密强化学习框架
研究者提出一种直接在真实 iOS 应用上训练 UI 导航智能体的在线强化学习框架，将智能体拆分为 Planning agent 与 UI Grounding 模型，并用 LLM-as-a-Judge 提供结合逐步稠密反馈与任务完成终端奖励的信号，采用 PPO 与步级优势估计优化，并提出 GiGPPO 提升 critic 稳定性。
- Hugging Face Daily Papers面向实时 iOS 应用的在线稠密强化学习 UI 导航智能体
研究者提出一种直接在实时 iOS 应用上训练 UI 导航智能体的在线强化学习框架，将智能体拆分为 Planning agent 与 UI Grounding 模型，并用 LLM-as-a-Judge 提供稠密步级奖励与终端奖励，配合 PPO 和步级优势估计优化。
本事件热度走势
当前热度 6·可比范围峰值 7（11月2日 23:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。