// AI 新闻 · 2026-11-02 · Apple Machine Learning Research
苹果机器学习研究提出基于规划接地的在线强化学习框架用于iOS应用UI导航
苹果机器学习研究团队提出一种新型在线强化学习框架，用于在真实运行的iOS应用中训练UI导航代理。该框架将代理划分为规划代理和UI接地模型两个组件，并采用LLM作为裁判提供分步反馈与任务完成奖励。通过PPO算法结合步级优势估计，以及引入GiGPPO方法以利用视觉相似状态间的奖励信号提升价值评估稳定性，实现了更鲁棒的导航能力。
原文发布 2026-11-02 08:00（北京时间）来源 Apple Machine Learning Research自动整理 · 已核对原文
01摘要
在UINavBench、iOSWorld和AndroidWorld等基准测试中，该框架显著优于基于监督微调（SFT）及仅终端奖励的基线方法。其8B规模的强化学习代理在安卓环境中的分布外泛化能力较SFT基线提升近七倍，在真实iOS应用任务上表现优于Gemini-3.5-Flash，与Gemini-3.1-Pro相当。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 提出规划代理与UI接地模型的解耦架构，提升导航过程的可解释性与鲁棒性
- 采用LLM作为裁判提供分步奖励，结合终端奖励构建完整反馈机制
- 引入GiGPPO方法，通过视觉相似状态间的奖励信号增强价值评估稳定性
- 在多个UI导航基准上验证，8B RL代理在安卓环境泛化能力显著优于SFT基线
03原文出处
Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live iOS Apps
Apple Machine Learning Research · 发布于 2026-11-02 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-02 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日