苹果提出在线密集强化学习框架：规划-定位智能体在真实 iOS 应用上导航

苹果研究团队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 提供步级密集反馈加终局奖励，配合 PPO 与步级优势估计优化。