VeriCUA 把任务验证变成智能体主动收集证据的过程。
资讯摘要
论文提出 VeriCUA，一个与平台无关的验证框架，把验证视为在共享流程中动态收集证据并评估，适用于在线与离线、不同平台与观测模态。验证器先检查可用上下文构建任务评分标准，再对未满足要求选择 GUI 或代码检查，并按明确证据规则合并结果。作者报告，在多种设置下与参考标签的一致性优于对比基线，离线困难案例提升最大，在线对虚假完成声明的拒绝更强。
要点速读
- 论文将验证建模为智能体探索：先构建任务评分标准，再针对未满足要求选择 GUI 或代码检查，并按证据规则合并结论。
- 作者报告该方法在在线与离线、跨平台设置下与参考标签的一致性优于对比基线。
- 离线困难案例提升最大，在线对虚假完成声明的拒绝更强；分析将其归因于互补证据与测试时探索。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。