带引导优势估计器的忠实移动 GUI 代理
人工智能
2026-05-05 v1
摘要
基于视觉语言模型的图形用户界面（GUI）代理显示出强大的交互能力，但常常会出于不忠实，依赖记忆的捷径而非依赖显示屏幕证据或用户指令。为此，我们提出了Faithful-Agent，一个以忠诚度为首的框架，将GUI交互重新框定以优先考虑证据的 grounding 与内部一致性。Faithful-Agent采用两个阶段的 pipeline：（i）一个以忠诚度为导向的SFT阶段，以培养在证据扰动下的克制行为；（ii）一个RFT阶段通过引入引导优势估计器（GuAE）进一步放大忠诚度，该机制是基于GRPO构建的一种锚定方法和变异自适应优势平衡机制。GuAE防止在稀疏GUI奖励下低变异 rollout 组中的优势塌陷，并通过一种思维-行动一致性奖励，Faithful-Agent（第二阶段）将Trap SR从13.88%提升到80.21%，同时保持强大的通用指令遵循性能。
关键词
引用
@article{arxiv.2605.01208,
title = {Faithful Mobile GUI Agents with Guided Advantage Estimator},
author = {Haowen Hu and Pengzhou Cheng and Zheng Wu and Lingzhong Dong and Gongshen Liu and Zhuosheng Zhang},
journal= {arXiv preprint arXiv:2605.01208},
year = {2026}
}