VeriCUA 提出以智能体探索做计算机使用智能体验证
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
在桌面、移动端与网页环境里构建和扩展计算机使用智能体，需要可靠判断任务是否真正完成，这一判断服务于数据整理、评测和强化学习三个环节。常见的自动化做法有两类：让视觉语言模型直接评判轨迹，或生成程序去检查应用状态。论文指出两类做法都只看到复杂数字环境的一部分——视觉语言模型受限于提供给它的观测，生成程序则依赖可访问的状态。这些局部视角可能漏掉决定性证据，使完成判断缺乏支撑；而为不同平台和访问条件分别定制验证器，还会带来额外工程成本。
方法：把验证当作探索
VeriCUA 是一个不绑定平台的框架，核心是把验证视为在环境中动态收集证据并作出评估，而不是一次性读取某个快照。在线与离线两种设置、不同平台与不同观测模态共用同一套流程。具体执行上，验证器先检查当前可用上下文，据此构建针对该任务的评分标准；随后针对尚未满足的要求，选择 GUI 检查或代码检查去补证据；最后在明确的证据规则下把各类检查的发现合并成结论。这样，GUI 与代码两类检查互为补充，而不是各自独立给出判断。
实验结果与状态
论文报告，在上述多种设置下，VeriCUA 与参考标签的一致程度高于所对比的基线。其中离线场景的增益在困难样本上最为明显，在线场景则表现出对虚假完成声明更强的拒绝能力。作者进一步分析认为，这些收益与两类证据的互补性以及测试时的探索有关。该工作标注为进行中的研究，属于 cs.AI，同时归入 cs.CL 与 cs.CV 分类。
为什么值得看
计算机使用智能体的数据筛选、评测与强化学习都依赖可靠的完成判定，该工作给出跨平台统一验证思路。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。