VeriCUA以验证即探索提升计算机使用智能体可靠性
原文：VeriCUA: Verification as Agentic Exploration for Computer-Using Agents
在桌面、移动端和网页环境中构建并扩展计算机使用智能体（CUA），需要可靠的任务完成验证，以支持数据整理、评估和强化学习。典型的自动化方法是提示视觉-语言模型（VLM）评判轨迹，或生成程序来检查应用状态。然而，两者都依赖于对复杂数字环境的部分视图。VLM评判器受限于所提供的观测，而生成的程序则依赖于可访问的状态。这些视图可能遗漏决定性证据，或使完成判断缺乏支撑。为不同平台和访问设置定制单独的验证器还会增加额外的工程成本。我们提出VeriCUA，一个平台无关的验证框架，通过智能体式探索来完成验证。它将验证视为在统一流程中跨平台和观测模态、面向在线与离线场景的动态证据收集与评估。在检查可用上下文以构建任务评分标准后，验证器针对未满足的要求选择GUI或代码检查，并在明确的证据规则下综合其发现。实验表明，在这些设置下，与参考标签的一致性相比对比基线有所提升，离线场景在困难案例上的增益最大，在线场景对虚假完成声明的拒绝更强。进一步的分析将这些增益与互补证据和测试时探索联系起来。作者：Qiushi Sun, Da Yu, Alexander Knop, Amer Sinha, Lingpeng Kong。类别：cs.AI,cs.CL,cs.CV