在线密集强化学习框架用于实时iOS应用UI导航

提出一种在线强化学习框架，训练UI导航智能体直接在实时iOS应用上运行，框架包含规划智能体和UI接地模型，使用LLM作为裁判提供密集奖励信号，并采用PPO优化与GiGPPO邻居条件价值估计方法。在UINavBench、iOSWorld和AndroidWorld等基准上，8B模型在跨平台泛化上较SFT基线提升近七倍，性能优于Gemini-3.5-Flash，与Gemini-3.1-Pro持平。