arXiv cs.SE· Yunfeng Zhu, Shengcheng Yu, Zihan Li, Zhenyu Chen·· 2 小时前AI 评分52
谁在核验智能体的成功声明？GUI 智能体完成判定中的自报泄漏
Who Verifies the Agent's Success Claim? Self-Report Leakage in GUI-Agent Completion Judging
AI 导读
论文研究 GUI 智能体的完成声明与执行轨迹审计，提出“危险误报”概念，即轨迹无法支持其因果完成的成功声明。控制实验显示自报泄漏：同一判定器读取同一任务与轨迹，仅保留或隐藏智能体自报，隐藏自报后仅凭轨迹的危险误报召回率在 Qwen3.5-35B-A3B 上提升 43.4 个百分点、在 DeepSeek-284B-A13B 上提升 13.3 个百分点。
来源：arXiv cs.SE · arxiv.org