arXiv · ML· Zhizhou Wang, Yaxi Lu, Zhong Zhang, Zikun Hu, Xin Cong, Yankai Lin, Fangming Liu·· 9 小时前AI 评分33
VeriCUA 学习主动验证以提升 GUI 智能体奖励可靠性
VeriCUA: Learning Proactive Verification for Reliable GUI Agent Rewards
AI 导读
新提出的 VeriCUA 主动奖励智能体通过学习验证策略，在 OSWorld 等基准上超越了 GPT-5.4 提示法 5.36 分。 它采用可训练 Judge 决定检查项与停止时机，配合冻结 Probe 执行，使用较少的 Probe tokens 实现更高的一致性。 作为 Actor 强化学习的奖励信号，它使任务成功率总体提升 3.21 点，在多应用留出任务上提升 5.40 点。
来源：arXiv · ML · arxiv.org