苹果提出在线 RL 框架，让 UI 导航 agent 在真实 iOS 应用上直接训练

Apple ML Research · rss · 2026-11-02

苹果机器学习研究团队发布新论文，针对 UI 导航 agent 的两大痛点：前沿视觉语言模型推理成本高难以日常使用；而经 SFT 或离线 RL 训练的小模型容易记忆静态轨迹，执行脆弱、出错后无法恢复。

论文提出一个在线强化学习框架，直接在真实运行的 iOS 应用上训练 UI 导航 agent，并将 agent 解耦为两个专门组件：规划（Planning）与落地执行（Grounding），以提升鲁棒性与错误恢复能力。论文摘要被截断，完整方法细节见原文。