带引导优势估计器的忠实移动GUI智能体

基于视觉-语言模型的图形用户界面（GUI）智能体已展现出强大的交互能力。然而，它们的行为常常不忠实，依赖记忆中的捷径，而不是将动作建立在屏幕显示证据或用户指令之上。为解决这一问题，我们提出Faithful-Agent，一个忠实性优先的框架，它重新表述GUI交互问题，将证据落地性和内部一致性置于优先地位。Faithful-Agent采用两阶段流水线：(i) 面向忠实性的SFT阶段，在证据扰动下灌输放弃作答行为；(ii) RFT阶段，通过引入引导优势估计器（GuAE）进一步放大忠实性，GuAE是建立在GRPO之上的基于锚点、方差自适应的优势调节机制。GuAE防止了稀疏GUI奖励下低方差rollout组中的优势坍塌；结合思维-动作一致性奖励，Faithful-Agent（第二阶段）将Trap SR相对基线从13.88%提升到80.21%，同时保持了稳健的通用指令遵循性能。