Me-Agent：一种基于两级用户习惯学习的个性化移动智能体

基于大语言模型（LLM）的移动智能体虽取得显著进展，但常忽视用户个性化需求，难以处理模糊指令、缺乏对交互历史的学习，且无法理解个性化指令。为此，本文提出Me-Agent——一种可学习、可记忆的个性化移动智能体。其采用两级用户习惯学习机制：在提示层面，引入结合个性化奖励模型的用户偏好学习策略；在记忆层面，设计分层偏好记忆结构，分别存储用户的长期记忆与应用特定记忆。为评估个性化能力，作者构建了包含大量日常模糊指令的新基准User FingerTip。实验表明，Me-Agent在个性化任务上达到最先进水平，同时保持优异的指令执行性能。