不要盲目行动：基于动作 - 效果验证与自我修正的鲁棒 GUI 自动化

基于视觉语言模型的自主 GUI 代理常假设环境响应是确定性的，导致在真实场景中因未检测到的动作失败而产生错误累积。本文提出 VeriGUI，一种显式建模动作结果与恢复机制的代理。该方法引入“思考 - 验证 - 行动 - 预期”（TVAE）框架以检测失败并引导纠正性推理，并结合包含合成失败轨迹的鲁棒监督微调与非对称验证奖励的 GRPO 进行两阶段训练。实验表明，VeriGUI 显著减少了失败循环，提升了恢复成功率，同时保持了具有竞争力的标准任务性能。