研究者提出VeriCUA框架验证计算机使用智能体任务完成

Qiushi Sun 等在 arXiv 发布论文，提出 VeriCUA，一个平台无关的验证框架，用于检验计算机使用智能体（CUA）的任务是否真正完成。论文称验证被视为动态的证据收集与评估，用同一流程覆盖桌面、移动和网页环境下的在线与离线设置。 其流程为：验证器在检查上下文并构建任务 rubric 后，为未决需求选择 GUI 或代码检查，并按明确的证据规则综合结果。论文的实验显示，VeriCUA 与参考标签的一致性优于对比基线，离线困难案例提升最大，在线设置下更能拒绝虚假完成声明。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。