VeriCUA框架提出计算机使用智能体验证新方法

2026年10月30日，Qiushi Sun等人发布arXiv论文，提出平台无关的验证框架VeriCUA。该框架通过智能体探索，将验证视为动态证据收集与评估过程，构建任务评分标准。针对未解决需求，VeriCUA灵活选择GUI或代码检查路径，并依据显式证据规则综合判断结果。 实验显示，VeriCUA在离线和在线设置下均优于基线模型，尤其在离线难题上表现更佳。该框架还增强了对在线虚假完成声明的拒绝能力，提升了计算机使用智能体验证的可靠性与鲁棒性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。