AI一线｜ShareCentre
Apple 研究训练8B操作规划器，真实应用任务成功率达32.4% Apple 研究团队提出一种直接在运行中的 iOS 应用里训练操作智能体的方法：把“决定下一步做什么”和“在屏幕哪里点击”交给不同模型，再同时奖励每一步的有效进展与最终任务完成，减少只模仿固定示范路线带来的失误。规划器从 Qwen3-VL-8B-Instruct 开始训练，系统可并行运行512条设备交互轨迹。 论文表1给出明确的任务成功率：在涵盖36个真实应用、116项任务的 UINavBench 上，完成336次更新的 PPO 规划器达到32.4%，基础监督训练版本为16.7%，与同一实验设置中的 Gemini-3.1-Pro 持平；仅奖励最终结果的 PPO 同期为21.6%。这些比较让不同规划器接收相同截图与提示，并配合独立的界面定位模型。 跨到 AndroidWorld 的116项任务时，该 PPO 版本达到32.8