Newest papers

Who Verifies the Agent's Success Claim? Self-Report Leakage in GUI-Agent Completion Judging

Yunfeng Zhu, Shengcheng Yu, Zihan Li, Zhenyu Chen · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29609 · open-access PDF

Hindi

ऑटोमेशन पाइपलाइनों में, एक जीयूआई एजेंट की आत्मविश्वासपूर्ण सफलता रिपोर्ट तब भी जारी हो सकती है जब रिकॉर्ड किए गए निष्पादन ट्रैक से पता चलता है कि एजेंट ने वांछित परिणाम का उत्पादन नहीं किया है. हम इस मामले को एक खतरनाक गलत रिपोर्ट कहते हैं: एक असुरक्षित सफलता दावा है कि ट्रैक को दौड़ के दौरान कारणपूर्ण उपलब्धि के रूप में समर्थन नहीं मिलता है. हम रिपोर्ट- ट्रैक ऑडिशन का अध्ययन करते हैं, जो एक एजेंट के निष्पादन दावा को स्वतंत्र रूप से रिकॉर्ड किए गए ट्रैक के खिलाफ जांच करता है. एक नियंत्रित जागरूक / अंधा हस्तक्षेप आत्म रिपोर्ट लीक को प्रकट करता है: एजेंट की स्वयं की आत्म रिपोर्ट कैसे निष्पादन का फैसला किया जाता है. एक ही न्यायाधीश

Machine translation (Meta M2M100); the English original follows.

Abstract

In automation pipelines, a GUI agent's confident success report can let downstream stages proceed even when the recorded execution trace does not show that the agent produced the requested outcome. We call this case a dangerous misreport: an unhedged success claim that the trace does not support as causal accomplishment during the run. We study report--trace auditing, which checks an agent's completion claim against an independently recorded trace. A controlled aware/blind intervention reveals self-report leakage: the agent's own self-report changes how completion is judged. The same judge rea

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange