研究者提出GUI智能体自适应分组过程奖励框架

针对GUI智能体强化学习中结果奖励稀疏的问题，Zirui Shang等作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，聚合组级评估并结合全轨迹上下文细化，再与GRPO的结果优势结合，以提供更细粒度的训练引导。作者称，过程奖励基准与下游RL训练实验验证了其有效性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。