移动 GUI 代理越来越多地在受用户历史和偏好影响的界面上运行，但其在不同用户之间的可靠性仍未得到系统研究。我们提出 PAIR（Personalized Application‑state Instantiation and Rendering）流水线，用于构建以用户为条件的应用状态，从而在不同用户之间对同一任务进行受控评估。随后，我们设计 RePAIR（Reinforcement learning with Personalization‑Aware Interaction Rewards），一种利用跨用户子目标结果差异进行学习的训练方法，旨在提升在用户条件化移动环境中的可靠性。实验在六种代理上进行，结果显示任务成功率在不同用户之间存在显著差异，且在用户条件化 UI 场景下子目标达成率普遍下降（下降幅度 6.98~15.4 个百分点）。当目标来自用户自身内容时，这一差距进一步扩大（下降 8.77~22.0 个百分点）。错误主要表现为在目标曝光前误选其他项目。最终，RePAIR 在未见用户上相较其监督微调基线提升了用户条件化成功率 (+5.87 pp)、全成功率 (+7.50 pp) 与整体任务成功率 (+9.42 pp)，初步证明显式学习跨用户差异能够提升 GUI 代理的可靠性。
点评