Articles sur OSWorld

CURA propose de remplacer les auto-évaluations peu fiables par des moniteurs externes : 90 % des échecs d'agent sur OSWorld déclarent toujours un succès, et CURA lit simplement les données de télémétrie pour transformer la trace en un test séquentiel avec des garanties certifiées de faux positifs, sans appels LLM supplémentaires. Cela suggère que la sécurité des agents d’IA peut passer de la connaissance de soi du modèle à une supervision externe vérifiable.