Google et l’Université de Hong Kong proposent VeriCUA, un vérificateur qui contrôle l’état réel des applications et des fichiers avant d’accepter la déclaration d’achèvement d’un agent d’IA. Le système construit une grille d’évaluation adaptée à chaque tâche, puis recherche des preuves au moyen de contrôles graphiques ou programmables. Sur le benchmark OSWorld, le taux de faux positifs, correspondant aux tâches validées sans avoir été réellement accomplies, recule de 27,9 % à 13,9 %. Sur ScienceBoard, ce taux passe de 24,8 % à 5,4 %, tandis qu’AndroidWorld affiche une précision de 90,5 % avec un taux de faux positifs de 7,7 %, contre 82,4 % et 16,9 % pour le système de référence. Les essais en ligne ont permis de rejeter environ 80 % des fausses déclarations d’achèvement, et la précision des décisions dépasse 95 % lorsque le vérificateur est confiant dans son jugement.
Source: Lire l’article original
