猫眼电影
猫眼电影记者 吴志纯 报道y85ouztigy6ysf5y
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
??时事1：浪货三根都满足不了你
??04月11日,河南多地迎来2024年首场降雪,
那是绝世宝术在冲击，天上地下都在惊颤，众人发毛，相顾骇然，这一刻他们的灵魂都在悸动，很多人竟噗通一声跪倒在了地上。
,🔞裸光屁屁打屁股。??04月11日,南京市校园足球教育发展中心揭牌,
这是宝术的对决，在与灰蛟剧烈碰撞中，银月炽盛，光辉四溢，迸溅的到处都是。
,free睡觉18Sex性HD处,毛片软件加载成功,漫画美女扒开胸罩㊙️。??时事2：黃色成人JVD
??04月11日,中银香港指港股受外围因素影响 调整幅度相对较小, 9月13日，顶端新闻记者以受害者家属的身份联系了儿慈会9958儿童紧急救助项目的工作人员，她表示柯某孝已经向警方自首，此事件是柯某孝是冒充儿慈会的名义行骗，属于柯某孝的个人行为，目前该案件已经立案，“案件是刑事案件，后面的细节还没透露呢，我们也不知道，我们也是受害者。”,小s货几天没做都湿成这样,3d原神裸体啪啪❌动漫散兵,男人成年露jiji㊙️网站。
??04月11日,“难以想象的悲剧”！美国5岁男孩意外开枪打死自己,
四、守纪、正直，做良好校风的促进者。遵纪守法是我们中学生应尽的职责，诚信做人是我们学习的根本。在我们周围出现了不少网迷，手机迷，谈恋爱，打架斗殴等违纪违规现象，我们要敢于同这些不良习惯做斗争，自己做好模范、表率作用，同时做好那些违反校规校纪同学的思想工作和帮扶工作。
,小乔脱裤子让我❌进去动漫,十八禁🔞动漫视频软件,偷窃蹲便1-3集全部。??时事3：中野三玖裸体被❌羞羞-百度
??04月11日,（新春走基层）宁夏银川：乡村大集年味儿浓,
小不点再次出手，朝另一个方向挥动宝扇，狼烟阵阵，血雾蒸腾，电闪雷鸣，又一个地方被赤火淹没。
,❌❌❌自慰调教av大师网站,张婉莹扒开内裤羞羞❌网站,10后脱了内裤自慰在。??04月11日,统战力量因地制宜施策 助浙江新昌低收入家庭“奔中”,
(一)要继续解放思想，凝聚合力，狠抓工作落实。
,欧美性爱肛交成人电影,韩国吃货小姐姐,巨胸爆乳❌❌❌动漫。??时事4：免费无码婬片AAAA片免费视频
??04月11日,王毅在外交部2024年新年招待会上的致辞,
紫金色匹练射在青鳞鹰的左翅上，撞出一片火星，让凶禽一阵怒鸣，感觉到了铁翅传来的剧痛。
,日本三级吃奶头添泬无码漫画,DVA扒开胸罩㊙️露出奶头8,秘成片免费网址APP。??04月11日,美国会众议员奎利亚尔因受贿、洗钱等被起诉,
竟然是可怕的彪，而且一下子来了两头！
,пopнo 720 video HD,干了邻居新婚人妻倩倩,罗峰干巴塔免费网站。责编：乔纳森·沃尔曼
审核：高丰文
责编：马修·斯坦格