arXiv · NLP· Qiushi Sun, Da Yu, Alexander Knop, Amer Sinha, Lingpeng Kong, Ben Kao, Ravi Kumar, Pritish Kamath·· 9 小时前AI 评分21
VeriCUA: 通过智能体探索实现计算机使用智能体的验证
VeriCUA: Verification as Agentic Exploration for Computer-Using Agents
AI 导读
VeriCUA 提出一种平台无关的验证框架，通过智能体探索将验证视为动态证据收集与评估。该框架在构建任务评分标准后，针对未解决需求选择 GUI 或代码检查，并依据显式证据规则综合结果。 实验表明，VeriCUA 在离线和在线设置下均优于基线，尤其在离线难题上表现更佳，并增强了对在线虚假完成声明的拒绝能力。
来源：arXiv · NLP · arxiv.org