在线强化学习智能体在实时 iOS 应用中训练
AI 总结
Peitong Duan 等人的论文提出一种在线密集强化学习框架，让 UI 导航智能体直接在实时 iOS 应用上接受训练。该方法将规划与 UI 定位拆分，通过 LLM-as-a-Judge 结合逐步奖励和任务完成奖励，并提出 GiGPPO 及可编排数百台并发虚拟 iOS 设备的基础设施。论文称，其 8B 智能体优于 SFT 和仅使用终局奖励的强化学习基线，在 Android 分布外测试中接近实现七倍提升，并在真实 iOS 应用上超过 Gemini-3.5-Flash、与 Gemini-3.1-Pro 持平。
深度见解
这项研究为降低前沿视觉语言模型的推理成本，同时提升小型智能体在交互式移动界面上的稳健性，提供了一套具体方法。
Computer Science > Artificial Intelligence
arXiv:2610.39264 (cs)
[Submitted on 29 Oct 2026]
Title:Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live IOS Apps
Authors:Peitong Duan, Khashayar Gatmiry, Jeffrey Nichols, Samy Bengio, Emmanuel Abbe
View a PDF of the paper titled Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live IOS Apps, by Peitong Duan and 4 other authors
#GiGPPO#UINavBench#iOSWorld#AndroidWorld#Gemini-3.5-Flash#Gemini-3.1-Pro