arXiv cs.AI· Yeji Park, Jaeyun Shim, Taesik Gong·· 10 天前AI 评分27
移动 GUI 智能体能否服务所有用户？个性化界面下的跨用户可靠性研究
Can Agents Work for Everyone? Cross-User Reliability for Mobile GUI Agents in Personalized User Interfaces
AI 导读
研究提出 PAIR 流水线与 RePAIR 训练方法，用于评估和提升移动 GUI 智能体在不同用户个性化界面下的可靠性。在六个智能体上，用户条件化 UI 的子目标达成率下降 6.98 至 15.4 个百分点，涉及用户个人内容时差距扩大至 8.77 至 22.0 个百分点。RePAIR 在未见用户上将整体 Task SR 提升 9.42 个百分点。
正文 · AI 翻译
摘要：移动 GUI 智能体越来越多地运行在受用户历史与偏好影响的界面上，但其在不同用户之间的可靠性仍缺乏充分研究。我们提出 PAIR（个性化应用状态实例化与渲染），一个用于构建以用户为条件的应用状态的流程，可对同一任务在不同用户间进行受控评估。我们进一步提出 RePAIR（基于个性化感知交互奖励的强化学习），一种从子目标结果的跨用户差异中学习的训练方法，以提高在以用户为条件的移动环境中的可靠性。在六个智能体上，我们发现任务成功率在不同用户间存在显著差异，并且在以用户为条件的 UI 情境中子目标达成率持续较低（6.98 至 15.4 个百分点）。对于取自每个用户自身内容的个人目标，这一差距进一步扩大（8.77 至 22.0 个百分点）。这些情境中的失败常常涉及选择另一个项目而非预期目标，尤其是在目标暴露之前。最后，在未见过的用户上，RePAIR 相比其监督微调父模型提升了以用户为条件的 SAR（+5.87 个百分点）、all-success（+7.50 个百分点）和整体 Task SR（+9.42 个百分点），初步证明显式地从跨用户差异中学习可以提高 GUI 智能体的可靠性。
| 评论： | 23 页，12 张图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.07972 [cs.AI] |
| （或 arXiv:2610.07972v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07972 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Jaeyun Shim [查看邮箱]
[v1]
2026 年 10 月 6 日星期二 08:38:30 UTC（13,338 KB）
来源：arXiv cs.AI · arxiv.org