GUI智能体自适应分组过程奖励框架提出

2026年10月14日，arXiv Artificial Intelligence 刊出由 Zirui Shang 等作者完成的研究，提出面向 GUI 智能体的自适应分组过程奖励框架。该工作针对 GUI 智能体强化学习中结果奖励稀疏的问题：将 GUI 轨迹动态划分为语义连贯的子目标组，并在动作和组两个层面估计过程奖励。其中，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；组层面则聚合动作评估，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，并在过程奖励基准和下游 RL 训练实验中验证了有效性。目前报道仅涉及框架提出与实验验证，未提及后续应用或更新进展。

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。