基于规则的强化学习（RL/RFT）已成为替代 SFT 的高效方案，仅需少量样本即可提升模型在特定任务中的表现。
该方法通过预定义奖励函数规避人工标注成本，如 DeepSeek-R1 在数学求解中的成功应用，以及多模态领域在图像定位等任务上的性能突破（通常使用 IOU 作为规则 reward）。
vivo 与香港中文大学的研究团队受到 DeepSeek-R1 的启发，首次将基于规则的强化学习（RL）应用到了 GUI 智能体领域。
论文标题：UI-R1: Enhancing Action Prediction of GUI Agents by Reinforcement Learning论文地址：https://arxiv.org/abs/2503.21620项目主页：https://yxchai.com/UI-R1/项目代码：https://github.com/lll6gg/UI-R1
简介
本研究创新性地将规则 RL 范式拓展至基于低级指令的 GUI 动作预测任务。具体实现中，多模态大语言模型为每个输入生成包含推理标记和最终答案的多条响应轨迹，在训练和测试时的 prompt 设计如下：
随后通过我们设计的奖励函数评估每条响应，并采用 GRPO 等策略优化算法更新模型参数。该奖励函数包含三个维度：
动作类型奖励：根据预测动作与真实动作的匹配度计算；动作参数奖励（聚焦点击操作）：通过预测坐标是否落入真实边界框评估；格式规范奖励：评估模型是否同时提供推理过程和最终答案。
数据制备方面，仅依据难度、多样性和质量三原则筛选 130 余个移动端训练样本，展现出卓越的数据效率。实验表明，UI-R1 在桌面端和网页平台等跨领域（OOD）数据上均取得显著性能提升，印证了规则 RL 处理跨领域复杂 GUI 任务的潜力。
方法：强化学习驱动的 GUI 智能体
我们提出的 UI-R1 模型采用了三个关键创新：
1. 独特的奖励函数设计
研究团队设计了专门针对 GUI 任务的奖励函数：R = R_T + R_C + R_F
R_T：行为类型奖励（点击、滑动、返回等）
R_C：坐标准确度奖励（点击位置是否准确）
R_F：格式奖励（输出的格式是否正确）
2. 精心筛选的高质量数据
与其使用大量普通数据，我们提出采用了「质量优先」的策略，从三个维度精选训练数据：
质量：选择标注准确、对齐良好的样本
难度：专注于基础模型难以解决的「困难」样本
多样性：确保涵盖各种行为类型和元素类型
最终只使用了136 个高质量样本，比传统方法少了几百甚至上千倍，就能够训练得到比 SFT 方式更优的效果。
3. 群体相对策略优化算法
UI-R1 采用了一种名为 GRPO（Group Relative Policy Optimization）的算法。这种算法不需要额外的评论家模型，而是通过比较同一问题的多个不同回答来学习什么是「好」的回答。
实验结果
1. 域内效果提升明显
在 AndroidControl 基准测试上，UI-R1-3B 与基础模型 Qwen2.5-VL-3B 相比：
行为类型准确率提高了 15%定位准确率提高了 10.3%
2. 域外泛化能力惊人
UI-R1 在从未见过的桌面 PC 端和网页界面上表现同样出色：
在 ScreenSpot 测试中，UI-R1-3B 的平均准确率达到78.6%，超越 CogAgent-18B 等大模型。在专业高分辨率环境 ScreenSpot-Pro 测试中，UI-R1-3B 达到17.8%的平均准确率，提升了与使用 76K 数据训练的 OS-Atlas-7B（18.9%）性能相当。
分析
我们关于 UI-R1 做了一系列分析，研究发现：在 GRPO 的强化学习微调的方式下，数据质量比数据数量重要
困难样本更有价值：按难度选择的方法比随机选择的性能显著更好。数据增长收益递减：随着训练数据量增加，性能提升趋于平缓。精选小数据集比大数据集更有效：三阶段数据选择方法优于使用整个数据集或者随机筛选相同数量的子集。
此外，我们还发现动作预测的难度与思考的长度之间存在关联：思考长度越长，准确率越低（说明问题越难），但通过 UI-R1 形式的强化学习微调之后，对于难样本的成功率提升也更加明显。
这一现象证明了强化微调的价值，通过让模型自主思考来提升难样本的准确率，这个特性是之前的监督微调所难以获得的。
未来探索方向
UI-R1 初步探索了大模型强化学习和推理技术在 GUI Agent 领域的应用。下一步，我们将尝试将 UI-R1 从 RFT 拓展到 SFT + RFT 的组合，实现大规模 UI 数据下统一的思考、决策、规划的 GUI Agent 大模型
《男仆撑开🍑让人玩弄》，《y85ouztigy6ysf5y》银狼被❌自慰爽黄漫
“高清🈚码🔞❌♋破”
裸体美女狂揉自己的胸
……
04月12日
“小🐤🐤戳进🍑无遮挡日”如何评价小天近期状态
↓↓↓
04月12日，罗马庆祝建城2777年，男男十八禁啪啪网站女攻男受，美女露%100的奶头无挡动态软件，欧美捆绑裸体㊙️网站，罗峰干巴塔免费网站
04月12日，学生高频使用软件，怎可肆意弹出低俗信息，日本丰滿少妇BBBBBBgif，甘雨裸体❌开腿涩涩，张柏芝殖器12图片，灰原扒开美女❌狂揉❌拔萝卜
04月12日，澳大利亚珀斯北部发生船只倾覆事故 一人遇难，扒下女教师的内衣❌❌，欧美做受❌❌❌出浆，快添添我,我快受不了了,怎么理解，毛片国产无套内谢学生
04月12日|2025年全球华人篮球邀请赛主办权落户“尔滨”|开盒猎手破解版100apk|Gay男同 捆绑 play video|猛男GayGay✅亚洲网站|美女露100%奶头无遮挡免费视频
04月12日|江西会昌新发现逾万株濒危植物突托蜡梅|许晴趴在床上被c出白色液体|❌❌❌❌日本人禁漫|雯雯在乡下被继H嗯啊晓雯雯视频|男男佐鸣18❌AV黄漫
04月12日|财政部：持续抓好增发国债资金监管 确保将宝贵的资金用在刀刃上|照美冥疯狂❌自慰喷水|把伸女人的WWW视频|强奸黑人屁股同性恋者鸡巴动漫同性动漫男性同性|熊猫电影yy8y在线观看免费播放……
04月12日，关注巴以局势：以军行动持续 加沙地带多地发生激烈战斗，妲己好大⋯好爽⋯湿透了，米豆子❌暴爽自慰喷水，娇小另类，可莉n开襟乳液狂飙视频
04月12日，（经济观察）全球创业者峰会传递国际合作三大风向，羞羞视频在线观看❤️，性裸❌❌❌❌❌A级眏片，扒开徐伦疯狂揉❌难受，绝区零莱卡恩黄肉本子
04月12日|超越日本！中国成最大汽车出口国|里枝平岗子息与子|美女隐私㊙️黄www玉足|成人p站proumb入口|嗯灬啊灬把腿张开灬A片动漫图片
04月12日，两会“部长通道”：传递权威声音 回应热点话题，免费看美女㊙️隐私直播，tomhayatotakkakir的创业经历，国产精品㊙️麻豆Tiktok，女仆教育落魄贵族第1季在线观看
04月12日，中国冰雪休闲市场热雪沸腾，国产精品㊙️精品3D漫画，男女又爽又黄免费怀孕动漫，男人GayGay撒尿✅网站，揉我胸⋯啊⋯嗯～下面出水了小
04月12日，哈尔滨红肠如何成为一张城市名片，免费添女人囗交做爰视频，国产精品㊙️入口免费看，男人咬奶头越含进去越舒服吗，13学生露小奶头无遮挡
04月12日|海河水利委员会进一步调度京津冀水毁修复工作|♥18禁♥天堂♥a真人|两男生互摸jiji秘网站|91丨国产丨精品丨丝袜|巴卫奈奈生H肉全文阅读
04月12日|新型消费彰显市场活力|绝区零妮可用身抵债|火影手办纲手醉酒|云曦3D同人18❌AV网址|香奈乎被扒开腿坐做❌同人
04月12日|气温下降 脑卒中风险加大 如何科学应对？一文了解→|国风产精品秘一区二区|国漫美女裸体❌❌动漫|漫画yaoi❤♂自慰动漫网站|咚咚咚网站
花间令，穿过月亮的旅行 绝不撤档|黑河开通至俄罗斯气垫船 单次航程仅需2分钟|扒开🐻让我❌❌❌网站|原神同人18+❌黄漫|91白丝美女被爆❌羞羞网站|女奥特曼裸乳被爆❌浆网站
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
