苹果机器学习研究发布在线强化学习框架，用于iOS应用界面导航

苹果公司机器学习研究团队于2026年11月发表了一篇论文，提出了一种新的在线强化学习（Online RL）框架，用于直接在实时iOS应用程序上训练用户界面（UI）导航代理。

该框架将代理解耦为规划代理和UI接地模型两个组件，并引入了名为GiGPPO的邻居条件值估计方法以提高评论家稳定性。评估显示，经过在线RL训练的8B参数代理在分布外泛化到Android环境时，比监督微调（SFT）基线提高了近七倍，并在真实iOS应用上超越了Gemini-3.5-Flash，与Gemini-3.1-Pro持平。