面向真实 iOS 应用的规划-定位在线密集强化学习 UI 导航 Agent

Apple 研究团队指出，前沿视觉语言模型做 UI 导航推理成本高，而经 SFT 或离线 RL 训练的小模型易记忆静态轨迹、缺乏纠错能力。为此提出在真实 iOS 应用上直接训练的在线强化学习框架，将 agent 解耦为 Planning 与 Grounding 两个专门组件，以兼顾成本与鲁棒性。

AI推荐理由 Apple Machine Learning 的研究文章，问题定义清晰：前沿 VLM 做 UI 导航推理成本过高，小模型经 SFT 或离线 RL 训练后易记忆静态轨迹、难以纠错。作者提出在真实 iOS 应用上在线训练 UI 导航 agent 的框架，将 agent 拆分为 Planning 与 Grounding 两个组件。这是官方研究渠道发布的方法性工作，对 Agent 训练与移动端落地有参考价值；但摘要未给出量化结果，实际效果仍需看论文细节。