EnvOS：审计任务中途变化的计算机使用智能体

EnvOS 可认证任务中途变化的环境并复核评分。

资讯摘要

论文提出 EnvOS 框架，用于构建并认证会在任务中途发生变化的环境：运行前检查变化是否按预期触发、任务是否仍可解、评分器能否区分对错，运行后由独立代码依据存档证据复核判定。在陈旧信息场景中，Claude Opus 5 在诊所预约任务上无提示时成功 0/16，提醒复查后 2/16，直接展示更新值后 15/16；保险理赔中 Opus 5 自行复查成功 10/10，Claude Sonnet 5 展示最新政策后由 1/10 升至 9/10。

要点速读

1. EnvOS 在智能体运行前验证变化触发、任务可解性与评分器区分能力，运行后由独立代码复核判定。
2. 诊所预约任务中，Claude Opus 5 无提示成功 0/16，提醒复查 2/16，展示更新值 15/16。
3. 保险理赔任务中 Opus 5 自行复查成功 10/10；Sonnet 5 展示最新政策后由 1/10 升至 9/10。

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。