论文提出自适应分组过程奖励框架用于GUI智能体强化学习

Zirui Shang 等在 arXiv 发布论文（arXiv:2610.17710v1），提出面向 GUI 智能体的自适应分组过程奖励框架：将操作轨迹动态划分为语义连贯的子目标组，在动作级和组级评估，并利用组内后续动作与整条轨迹中各组的上下文细化信用分配，再补充 GRPO 的结果优势用于强化学习训练。 基于论文摘要，作者报告该框架在过程奖励基准和下游强化学习训练中有效，但报道未提供具体实验数据。

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。