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。

我们开发了PlausiVL，一个视频语言模型，通过反事实学习和行动重复损失来研究行动序列的可行性。模型利用时态逻辑和动词-名词约束生成不可信的行动序列，以区分可行与不可行的序列。在Ego4D和EPIC-Kitchens-100数据集上的评估显示，该方法在行动预测任务中有显著提升。

ProActive是一种用于建模活动序列中行动时间分布的框架，解决行动预测、序列目标预测和序列生成等问题。实验证明ProActive在行动和目标预测方面准确性显著提高，并首次应用了端到端行动序列生成。