यह शोधपत्र ऑटोबॉट फ्रेमवर्क प्रस्तुत करता है, जो डिजिटल इंटरफेस में भ्रामक पैटर्न की स्वचालित रूप से पहचान करता है और उन्हें कम करता है। ऑटोबॉट HTML कोड की आवश्यकता के बिना भ्रामक पैटर्न की सटीक पहचान और स्थानीयकरण के लिए वेबसाइट स्क्रीनशॉट का विश्लेषण करता है। विशिष्ट विज़न मॉडल और बड़े पैमाने के भाषा मॉडल (LLM) का उपयोग करने वाली एक दो-चरणीय पाइपलाइन, भ्रामक पैटर्न की पहचान करने के लिए वेबसाइट की दृश्य और पाठ्य विशेषताओं का विश्लेषण करती है। इसके अलावा, ऑटोबॉट का उपयोग "शिक्षक" LLM से ज्ञान निकालकर छोटे भाषा मॉडल को प्रशिक्षित करने के लिए किया जाता है, जिससे एक सिंथेटिक डेटासेट तैयार होता है। ऑटोबॉट को तीन उप-अनुप्रयोगों के रूप में कार्यान्वित किया जाता है: उपयोगकर्ताओं के लिए एक ब्राउज़र एक्सटेंशन, डेवलपर्स के लिए एक लाइटहाउस ऑडिट टूल, और शोधकर्ताओं और नियामकों के लिए एक मापन टूल, जो विभिन्न वेब हितधारकों का समर्थन करता है। मूल्यांकन परिणाम इसकी प्रभावशीलता को प्रदर्शित करते हैं, भ्रामक पैटर्न पहचान के लिए 0.93 का F1 स्कोर प्राप्त करते हैं।
