使用视觉语言模型开发多功能代理人来帮助人类完成图形用户界面导航任务。提出了GUICourse数据集用于训练代理人，实验证明其在常见的图形用户界面任务上具有更好的性能。源代码和数据集已发布。

该研究提出了一种基于知识引导的双一致性网络，用于检测具有多媒体内容的谣言。该网络具有两个一致性检测子网络，可以同时捕获跨模态和内容 - 知识水平的不一致性，并在不同丢失视觉模态条件下实现鲁棒的多模态表示学习。实验结果表明，该框架在三个公共实际多媒体数据集上的表现优于最先进的基线。