先了解这件事
AI 综述
2026年11月2日,Apple Machine Learning Research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。该框架将智能体拆分为Planning agent与UI Grounding模型,并用LLM-as-a-Judge提供步级稠密奖励与任务完成终局奖励,以PPO加步级优势估计优化。据其披露,8B智能体跨分布泛化到Android环境时较SFT基线提升近7倍,在真实iOS应用上超过Gemini-3.5-Flash并与Gemini-3.1-Pro持平。目前尚无后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
Apple 提出在线稠密强化学习框架：规划-定位智能体在真实 iOS 应用上导航事件进展
1 个已确认进展
- 来源：Apple Machine Learning Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
11月2日
Apple Machine Learning Research一手
Apple 提出在线稠密强化学习框架：规划-定位智能体在真实 iOS 应用上导航
Apple 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，将智能体拆分为 Planning agent 与 UI Grounding 模型，并用 LLM-as-a-Judge 提供步级稠密奖励与任务完成终局奖励，以 PPO 加步级优势估计优化。其 8B 智能体在跨分布泛化到 Android 环境时较 SFT 基线提升近 7 倍，在真实 iOS 应用上超过 Gemini-3.5-Flash 并与 Gemini-3.1-Pro 持平。