arXiv · cs.AI· Qingni Wang, Changdae Oh, Yuzhe Yang, Sharon Li, Jiachen Yang, Ang Li, Xin Eric Wang·· 7 小时前
LEASH：面向计算机使用代理的不确定性感知弱到强升级与监督框架
LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents
arXiv:2610.22280v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qingni Wang, Changdae Oh, Yuzhe Yang, Sharon Li, Jiachen Yang, Ang Li, Xin Eric Wang
研究任务与主要进展
Qingni Wang等人提出无需训练的LEASH框架，利用弱代理潜在状态判断早期路由、运行时升级及强代理接管后的持续监督。基于论文摘要，在OSWorld、四种模型骨干和匹配升级率下，LEASH相较随机升级提升6.55—11.94个百分点；使用Qwen3.5-35B-A3B时取得73.66%的任务成功率和每任务0.4117美元成本，较始终启用Claude Opus 5降低19.2%推理成本。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org