GUI Agent也受界面助推影响：推理改变而非消除偏差

基于LLM的GUI智能体越来越多地代表用户，在原本为人类设计的数字环境中行动。图形界面既支持用户，也刻意引导其行为和决策。LLM文本输出的行为偏差已有大量记录，但模型作为感知界面并执行决策的智能体时，这类影响如何作用，以及日益增强的推理能力是否提高抵抗力，仍了解有限。我们借助双过程理论，实证研究GUI智能体是否易受自动型（类型1）和反思型（类型2）数字助推影响，以及推理配置如何调节这种敏感性。在随机在线购物实验中，我们使用三家提供方的六个前沿模型、3600个Agent，共进行21,600次模拟，发现两类助推均可影响Agent。关键是推理配置对两类影响方向相反：它降低对自动默认选项的敏感性，却提高对反思型社会影响的敏感性。因此，更充分推理没有让Agent更稳健，而是改变了选择架构发生作用的路径。探索分析进一步发现，这种转向与模型规模存在系统关系。研究不仅确立助推敏感性是Agent AI的行为属性，也将界面设计视为向自主Agent委托决策的组织需要关注的治理问题。