OpenComputer：面向计算机使用代理的可验证软件世界

本文提出 OpenComputer，一个基于验证器的框架，旨在为计算机使用代理构建可验证的软件世界。该框架集成四大组件：针对特定应用的状态验证器、利用执行反馈自我进化的验证层、合成真实且机器可检查桌面任务的任务生成流水线，以及记录完整轨迹并计算可审计部分奖励的评估 harness。实验表明，其硬编码验证器比 LLM 裁判更贴合人类评判，尤其在依赖细粒度应用状态时。结果显示前沿代理在端到端完成任务上仍存困难，开源模型表现显著下降，揭示了鲁棒计算机自动化的持续差距。