Apple 提出真实 iOS 应用在线强化学习框架

Apple 团队提出在线强化学习框架，直接在真实 iOS 应用上训练 UI 导航 Agent；框架结合规划 Agent 与 UI grounding 模型，并通过“邻居条件价值估计”提供密集奖励，以提升执行鲁棒性并降低推理成本。 该框架针对两类问题：前沿视觉语言模型推理成本较高，而经监督微调或离线强化学习训练的小模型执行脆弱、难以从错误中恢复。论文称，新方法可让 Agent 在真实应用交互中学习并获得更稳定的导航能力，但报道未披露具体应用范围和量化效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。