OS-Themis：面向通用GUI奖励的可扩展评判框架

强化学习（RL）有潜力提升GUI智能体在随机环境中的鲁棒性，但训练对奖励函数的质量高度敏感。现有奖励方法难以同时实现可扩展性与性能。为此，我们提出OS-Themis，一个可扩展且准确的多智能体评判框架。与单一评判者不同，OS-Themis将轨迹分解为可验证的里程碑，以隔离决策所需的关键证据，并在作出最终裁决前采用复核机制严格审查证据链。为便于评估，我们进一步推出OmniGUIRewardBench（OGRBench），一个面向GUI结果奖励的综合跨平台基准，所有被评估模型在OS-Themis下均取得最佳表现。在AndroidWorld上的大量实验表明，OS-Themis用于支撑在线RL训练时带来10.3%的提升，用于自训练循环中的轨迹验证与过滤时带来6.9%的收益，凸显了其驱动智能体演进的潜力。