VeriCUA 提出主动验证方法提升 GUI 智能体奖励

2026 年 10 月 20 日，Zhizhou Wang 等人在 arXiv 上发布 VeriCUA 论文。该研究提出一种主动奖励智能体，通过可训练 Judge 决定检查项与停止时机，并配合冻结 Probe 执行，利用较少的 Probe tokens 提升一致性。 该智能体仅基于 OSWorld 训练，并在未进一步训练的情况下评估了 MobileWorld 和 WebArena-Verified 等基准。结果显示，其在 OSWorld 等基准上超越 GPT-5.4 提示法 5.36 分。作为 Actor 强化学习的奖励信号，该方法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。

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。