本研究提出了VeriSafe Agent (VSA)，旨在提高移动GUI代理执行指令的可靠性。通过将自然语言指令转化为可验证的规范，VSA确保代理行为与用户意图一致，从而显著提升动作验证准确率和任务完成率。

本研究提出了一种轻量级视觉语言模型AppVLM，旨在解决手机助手的适应性和计算成本问题，显著提升任务完成率和行动预测准确性。

研究表明，使用LLMs以零-shot方式估计潜在状态，可以提高自主UI代理的任务完成率，准确率超过76%。通过三种推理方法，LLM驱动的代理成功率比其他代理高出1.6倍。

本研究分析了视觉语言模型在特定攻击下的脆弱性，发现对抗性弹出窗口导致86%的成功率和47%的任务完成率下降，表明现有防御技术无效。

研究表明，使用LLM以零-shot方式估计潜在状态，能显著提升自主UI代理的任务完成率，准确率超过76%。通过三种推理方法，LLM驱动的代理成功率比其他代理高出1.6倍。

本研究提出了一种新方法，通过多模态验证和自我精细化提升网络代理在复杂任务中的表现，将WebVoyager基准的任务完成率从76.2%提高到81.24%，增强了数字助手在复杂场景中的可靠性。

该研究使用语言反馈模型（LFMs）识别理想行为，改善任务完成率并提供人类可解释性的反馈。LFMs在不同环境中表现良好且泛化能力强。