论文页面 - 计算机使用代理的可靠性

来源：https://huggingface.co/papers/2604.17849

摘要

计算机使用代理由于执行随机性、任务描述模糊和行为差异，表现出不可靠的性能，需要反复评估和稳定策略才能完成一致的任务。

计算机使用代理在网页导航、桌面自动化、软件交互等现实任务中迅速提升，某些场景已超越人类水平。然而，即便任务和模型保持不变，同一代理在重复执行同一任务时也可能失败。这引出一个根本问题：如果代理能成功完成一次任务，是什么阻碍了它可靠地复现？本研究从三方面剖析计算机使用代理的不可靠来源：执行过程中的随机性、任务描述的模糊性、以及代理行为的差异。我们在 OSWorld 上通过多次重复执行同一任务，并采用配对统计检验捕捉跨设置的任务级变化，对这些因素进行分析。结果表明，可靠性既取决于任务如何被描述，也取决于代理在多次执行中的行为变化。这些发现提示：需在重复执行条件下评估代理；允许代理通过交互解决任务歧义；优先选择跨运行保持稳定的策略。

查看 arXiv 页面 (https://arxiv.org/abs/2604.17849)
查看 PDF (https://arxiv.org/pdf/2604.17849)
GitHub0 (https://github.com/simular-ai/cua_reliability)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2604.17849)

在你的代理中获取这篇论文：

hf papers read 2604.17849

还没装最新 CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2604.17849 即可在此页面显示链接。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2604.17849 即可在此页面显示链接。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2604.17849 即可在此页面显示链接。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 即可在此页面显示链接。