Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live iOS Apps
Apple Machine Learning Research533 字 (约 3 分钟)
85
苹果提出在线强化学习框架,通过Planning-Grounding代理提升iOS应用UI导航性能,实验显示其泛化能力超SFT基线7倍。
入选理由:GiGPPO方法通过视觉相似状态奖励信号提升critic稳定性
FeaturedArticle#强化学习#UI导航#Apple#iOS#PPO英文