研究评估生成式 UI 工具对设计选择的解释，与实际生成界面之间的落差。
可信的解释不能替代可操作界面与功能验收。
作者以 24 项任务评估 5 种工具生成的 120 个界面，覆盖结构、样式与功能要求。所读版本于 7 月 31 日修订。
设计师、产品人员与研究者
— Initial source-verified editorial collection
Google 与香港大学团队 10 月 29 日提交了一项同名但独立的 VeriCUA：验证器先查看环境或轨迹建立任务 rubric，再用 GUI、无障碍树、文件、数据库等只读检查补齐证据，并把需求判为满足、违反或未知。在线实验中，它在 AndroidWorld、OSWorld 与 ScienceBoard 上均降低了相对基线的假阳性。
10 月 27 日提交的 GUI‑JEPA 面向移动 GUI 单步动作选择：它把无标签界面截图预训练得到的 JEPA 表征按候选动作和区域变换，在一次批处理中为无障碍树候选打分，不再让 7B 视觉语言模型逐 token 生成动作。
10 月 27 日提交的 Task Advancement Memory（TAM）把“已经可靠完成了什么”同时用于当前任务压缩和跨任务学习：任务内维护可核验的进展、剩余目标与视觉证据，任务后从局部成功片段中提炼可复用操作，即使整条工作流最终失败。