面向 GUI 智能体的自适应分组过程奖励框架

针对 GUI 智能体强化学习结果奖励稀疏的问题，研究者提出自适应分组过程奖励框架，将 GUI 轨迹动态划分为语义连贯的子目标组，在动作和组两个层面估计过程奖励。动作层面由 critic 依据组内视觉变化与后续动作评估动作正确性，组层面聚合动作评估并借助轨迹中所有组的上下文进行细化。该过程奖励被用于增强 GRPO 的结果优势，在过程奖励基准和下游 RL 训练实验中验证了有效性。