تشهد التقنيات الحديثة في مجال الذكاء الاصطناعي (Artificial Intelligence) تقدمًا ملحوظًا، حيث يُعتبر نماذج الرؤية واللغة (Vision-language models) من أهم الأسس المستخدمة في تطوير وكلاء التشغيل الذاتية للواجهات الرسومية المحلية على الأجهزة المحمولة. لكن معظم الأنظمة الحالية تعتمد بشكل مبالغ فيه على هذه النماذج في كل خطوة من خطوات التخطيط والتنفيذ مما يؤدي إلى ارتفاع زمن التأخير وتكاليف تشغيل النموذج.

هنا يأتي الابتكار الجديد، Jev-Mobile، الذي يقدم تغييرًا في هذا السياق. حيث يقوم بتحويل النموذج إلى تخطيط منخفض التردد وتنفيذ عالي التردد. إذ يحدد النموذج أهدافًا محلية بينما تضع شجرة الوصول (Accessibility Tree) مساحة عمل قابلة للتنفيذ بشكل منظم. وبفضل Jev، نموذج القرار السريع، يتم اختيار الإجراءات بشكل متكرر من داخل هذه المساحة.

يسمح هذا التصميم بتنفيذ عدة إجراءات GUI من خلال قرار واحد من النموذج، مما ي reduces تكاليف الاستدلال للنموذج بشكل كبير مع الحفاظ على تفاعل متكيف. وفيما يتعلق بالأداء، فقد حقق Jev-Mobile نسبة نجاح 79% في مجموعة مهام AndroidWorld الكاملة، مقارنة بـ SeeAct-V التي حققت 78% و Step-wise VLM التي سجلت 84%.

أيضًا، استطاع Jev-Mobile تقليل متوسط زمن التنفيذ الكامل بنسبة 32.7% وتكاليف واجهة برمجة التطبيقات للنموذج بنسبة 73.4% مقارنةً بـ Step-wise VLM. وهذا يُظهر بوضوح أن فصل التفكير العالي المستوى للنموذج من التنفيذ المنخفض المستوى قد يُحسن بشكل ملحوظ من كفاءة وكلاء واجهات المستخدم المحمولة بينما يحافظ على أداء مهام تنافسي.