三思而后行：基于强化学习的 GUI 定位中提议者与视觉批评者的协同进化

图形用户界面（GUI）定位需将自然语言指令映射为精确像素坐标，但模型常因界面元素同质化和布局密集而难以精准定位。本文提出以可学习的选择机制替代静态一致性策略，通过批评者对截图上生成的提议进行评估以选出最优目标。针对两者能力差异，构建了“先提议后批评”的协同进化框架，并引入成熟度感知的自适应协同进化强化学习范式。该方法动态平衡训练目标，利用提议多样性增强批评鲁棒性，同时借助批评能力的提升激发提议者的空间探索潜力，实现双向促进与共同进化，显著提升定位精度与批评可靠性。