Google 与香港大学发布 VeriCUA 论文，用机器状态验证计算机智能体任务完成声明

Rohan Paul· @rohanpaul_ai · X·2026-11-03 10:37· 40 分钟前AI 评分52

AI 导读

Google 与香港大学的 VeriCUA 论文主张计算机使用智能体自己报告的“任务完成”不能作为证据，应检查保存的文件和应用数据。VeriCUA 先探索应用构建需求清单，再运行屏幕或代码检查逐项核实；在 ScienceBoard 上误报率为 5.4%，低于 VLM 评审的 24.8% 和生成脚本校验器的 21.7%，并在 3 个在线环境中拒绝约 80% 的虚假完成报告。

正文 · 原文

Google 与香港大学的新论文主张，当 AI 智能体使用计算机时，其自己发出的“任务完成”消息绝不应算作证据，而应改为检查保存的文件和应用数据。

计算机使用智能体可能在编辑从未保存或仅完成部分工作时就报告任务完成。常见的检查器要么只评判几张截图，要么运行 1 个生成的脚本，两者都可能漏掉关键证据。

VeriCUA 会探索应用以构建需求清单，然后运行屏幕或代码检查（例如读取文件），直到每一项都得到确认。智能体自身声称的成功绝不算作证据。

在 ScienceBoard 上，其误报率为 5.4%，而 VLM 评审为 24.8%，生成脚本校验器为 21.7%。在 3 个在线环境中，它拒绝了约 80% 的虚假完成报告。

如果智能体运行结果会用于你的评估、训练数据或 RL 奖励，请检查保存的机器状态，而不是信任截图或智能体的报告。

来源：Rohan Paul · x.com