GUI 智能体强化学习综述：迈向数字居民

该综述系统梳理了强化学习与图形用户界面智能体结合的方法，将其分为离线 RL、在线 RL 和混合策略三类。 分析显示，GUI 输入输出延迟瓶颈正加速向基于世界模型的训练转变，且丰富奖励信号可能使显式推理监督变得不必要。 研究提出了涵盖过程奖励、持续 RL 和安全部署的路线图，旨在指导下一代 GUI 自动化及原生智能体基础设施发展。