VeriCUA 论文:把验证做成 agentic 探索,拒掉 80% 虚假完成报告
rohanpaul_ai · x · 2026-11-03
Google 与香港大学论文 VeriCUA(arXiv 2610.40578,Qiushi Sun 等 8 位作者)提出平台无关的 computer-using agent 验证框架。
- 问题背景:CUA 的数据筛选、评测与 RL 都依赖可靠的任务完成验证;现有 VLM 判官受限于给定观测,生成脚本受限于可访问状态,都会漏掉决定性证据
- 方法:把验证当作动态证据收集——先检查上下文构建任务 rubric,再为未解决的需求选择 GUI 或代码检查,按明确的证据规则合并结论;在线/离线、跨平台共用一套流程
- 结果:与基线相比,在所有设置下与参考标签的一致性都更高,离线难例上收益最大,在线环境更能拒绝虚假完成声明
与转发帖同一事件,补充了论文全文信息:agent 自称完成永远不算证据,要看机器实际保存状态。
所属事件:谷歌港大发布 VeriCUA,专治 AI Agent 虚报任务完成(2 条相关)→
「编程与Agent」频道最新
- 开源纸片动画流水线:Claude Code 一条命令生成整支 Reel,零 API 费用 — _haiderfarooq · 2026-11-03
- 开源示例:用 Cloudflare 隧道把 MCP 服务器接入 OpenAI 函数调用 — modelcontextprotocol · 2026-11-03
- Jam 推出 MCP 服务器,给 AI 自动带上 bug 上下文直达 PR — modelcontextprotocol · 2026-11-03
- 开发者实测：Claude 拆小任务让 Blender 建模质量大幅提升 — LadyAshBorg · 2026-11-03
- NVIDIA AgentBaton:大小模型接力可将 Agent API 成本平均降 65.9% — rupspace · 2026-11-03
- Deepgram 收购 Daily,开源语音 Agent 框架 Pipecat 将保持开源并设基金会 — sven_ai · 2026-11-03