OS-Themis：一种可扩展的通用 GUI 奖励批评框架

强化学习有望提升图形用户界面（GUI）智能体在随机环境中的鲁棒性，但其训练高度依赖奖励函数质量。现有方法难以兼顾可扩展性与性能。为此，本文提出 OS-Themis，一种可扩展且准确的多智能体批评框架。该框架将轨迹分解为可验证的里程碑以隔离关键证据，并引入审查机制严格审计证据链。此外，文章推出了 OmniGUIRewardBench 基准。实验表明，OS-Themis 在支持在线强化学习训练时提升了 10.3%，在自训练循环中进行轨迹验证与过滤时提升了 6.9%，显著推动了智能体的自我进化。