基于引导优势估计器的忠实移动图形用户界面智能体

基于视觉语言模型的图形用户界面（GUI）智能体虽具备强大交互能力，但常表现出不忠实行为，依赖记忆捷径而非屏幕证据或用户指令。为此，本文提出 Faithful-Agent 框架，优先确保证据落地与内部一致性。该方法采用两阶段流程：首先通过面向忠实性的监督微调培养在证据扰动下的克制行为；随后利用基于 GRPO 的引导优势估计器（GuAE）进行强化微调，防止稀疏奖励下的优势坍塌。实验显示，该方法将陷阱场景成功率从 13.88% 提升至 80.21%，同时保持了稳健的指令遵循能力。