摘要
针对自主 GUI 智能体面临的过早停止和重复循环两大挑战，本文提出 VLAA-GUI 框架。该框架包含三个核心组件：强制完整性验证器确保基于视觉证据的成功判定；强制循环打破器通过多层过滤机制在失败时切换策略；按需搜索代理利用在线搜索解决陌生工作流。此外，系统还集成了按需调用的编码与接地代理。实验表明，该框架在多个基准测试中超越人类表现，显著减少了无效步骤并提升了任务成功率。
AI 推荐理由
论文提出模块化框架解决智能体停止、恢复和搜索策略，核心在于任务执行流程的规划与控制。
研究机构
UC Santa Cruz
CMU
UNC-Chapel Hill
Salesforce
UC Berkeley
论文信息