チウシ・スン (Qiushi Sun) らの研究チームは2026年10月29日(現地時間)、arXiv cs.AI にて、コンピュータ利用エージェント (CUAs) のタスク完了検証フレームワーク「VeriCUA」に関する論文を発表した。デスクトップ、モバイル、ウェブ環境にわたるCUAsの構築とスケールには、データキュレーション、評価、強化学習のための信頼性の高い検証が不可欠であると指摘している。従来の自動化された手法が複雑なデジタル環境の部分的な視点に依存する課題に取り組む。
発表された「VeriCUA」は、エージェント的な探索を通じた検証を実現するプラットフォームに依存しないフレームワークである。これは、オンラインおよびオフライン設定において、プラットフォームや観測モダリティを超えた共有手順内で、動的な証拠収集と評価として検証を扱う。
検証プロセスでは、利用可能なコンテキストを検査してタスクルーブリックを構築した後、検証器は未解決の要件に対してGUIまたはコードチェックを選択し、それらの発見を明示的な証拠ルールのもとで組み合わせる。論文の実験では、これらの設定全体で比較対象のベースラインと比較して、参照ラベルとの一致度が向上したことが示された。特に、困難なケースではオフラインでの最大の改善が見られ、オンラインでは誤った完了主張の拒否が強化された。これらの成果は、補完的な証拠とテスト時の探索に起因すると分析されている。
参考: arXiv cs.AI — 2026年10月30日 02:45 (JST)
原文ハイライト"We present VeriCUA, a platform-agnostic framework for verification through agentic exploration."