자율 GUI 에이전트는 두 가지 근본적인 과제에 직면합니다. 첫째, 검증 가능한 증거 없이 성공을 성급하게 선언하는 조기 종료(early stopping) 문제와, 복구 과정 없이 동일한 실패 행동을 반복하는 순환 루프(repetitive loops) 문제입니다. 본 논문에서는 시스템이 언제 멈추고(Stop), 복구하고(Recover), 검색해야 하는지 안내하는 세 가지 통합 구성 요소를 중심으로 구축된 모듈형 GUI 에이전트 프레임워크인 VLAA-GUI를 제시합니다. 첫째, 필수적인 완전성 검증기(Completeness Verifier)는 UI 관찰 가능한 성공 기준을 강제하고 모든 완료 단계에서 검증을 수행합니다. 이 검증기는 에이전트 수준의 검증기를 통해 완료 주장을 결정 규칙과 교차 검사하여 직접적인 시각적 증거가 부족한 경우 이를 거부합니다. 둘째, 필수적인 루프 브레이커(Loop Breaker)는 다단계 필터링을 제공합니다. 반복된 실패 후 상호작용 모드를 전환하고, 지속적인 화면 상태 재발 발생 시 전략 변경을 강제하며, 리플렉션 신호를 전략 전환에 바인딩합니다. 셋째, 온디맨드 검색 에이전트(Search Agent)는 검색 능력을 가진 LLM(Large Language Model)에 직접 질의하여 생소한 워크플로우를 온라인으로 검색하고 그 결과를 일반 텍스트로 반환합니다. 또한, 코드 집약적 행동을 위해 코딩 에이전트(Coding Agent)와 정밀한 액션 접지(action grounding)를 위한 그라운딩 에이전트(Grounding Agent)를 추가적으로 통합하여 필요할 때 호출하도록 했습니다. 우리는 Opus 4.5, 4.6 및 Gemini 3.1 Pro를 포함한 다섯 가지 최고 수준의 백본(backbones)을 사용하여 Linux 및 Windows 작업을 수행하는 두 개의 벤치마크에서 VLAA-GUI를 평가했으며, 두 벤치마크 모두에서 최고 성능을 달성했습니다 (OSWorld에서 77.5%, WindowsAgentArena에서 61.0%). 특히 다섯 가지 백본 중 세 개가 OSWorld에서 단일 패스(single pass)로 인간의 성능(72.4%)을 능가했습니다. 제거 연구(Ablation studies)에 따르면, 제안된 세 구성 요소 모두 강력한 백본의 성능을 지속적으로 향상시키는 반면, 약한 백본은 단계 예산(step budget)이 충분할 때 이러한 도구로부터 더 많은 이점을 얻는 것으로 나타났습니다. 추가 분석 결과 또한 루프 발생 가능성이 높은 모델의 경우 루프 브레이커가 낭비되는 단계를 거의 절반으로 줄이는 것을 보여주었습니다.