Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。

今天的主题是：UI-R1: Enhancing Action Prediction of GUI Agents by Reinforcement Learning

Summary

文本介绍了 UI-R1 框架，这是一种通过 基于规则的强化学习 (RL) 提升多模态大型语言模型 (MLLM) 图形用户界面 (GUI) 动作预测能力的新方法。与传统的 监督微调 (SFT) 不同，UI-R1 仅使用少量高质量数据进行训练，并利用独特的 奖励函数 来指导模型学习动作类型和坐标预测。实验结果表明，该模型在 域内和域外任务 上均表现出色，甚至超越了使用更多数据训练的更大模型。这凸显了基于规则的 RL 在提高 GUI 理解和控制 方面的 数据效率和泛化能力。

原文链接：https://arxiv.org/abs/2503.21620