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，在动作和组两个层级估计过程奖励。该方法用 critic 评估动作正确性与子目标贡献，并聚合组级评估、结合全轨迹上下文细化，再与 GRPO 的结果优势结合以提供更细粒度训练引导。过程奖励基准与下游 RL 训练实验验证了其有效性。