SCOPE：兼顾能力与安全的计算机使用智能体训练
原文标题：Beyond Task Completion: Training Capable and Safe Computer-Use Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SCOPE 框架，联合后训练计算机使用智能体（CUA）的任务执行能力与安全决策，并配套 SCOPE-Gen 自动生成可验证任务及风险变体。基于 Qwen3.5-9B 的 SCOPE-RL 在 OSWorld 达 54.17% 成功率、OS-BLIND 达 64.30% 攻击规避率，综合能力-安全得分 58.80% 为最优。消融显示拒绝轨迹主要贡献攻击规避，风险处理轨迹则在同等安全水平下保留更多任务效用。
- 问题
- 以任务成功为中心的后训练无法让计算机使用智能体形成可靠的安全行为。
- 方法
- SCOPE联合后训练任务执行能力与安全决策，配套SCOPE-Gen自动生成可验证任务及配对风险变体，构建含能力演示、安全续行与明确拒绝的SATraj-OS轨迹集，先SFT再在线RL。
- 结果
- 基于Qwen3.5-9B的SCOPE-RL在OSWorld达54.17%成功率、OS-BLIND达64.30%攻击规避率，综合能力-安全得分58.80%为最优。
- 影响
- 给出可复用的CUA安全训练数据生成与联合优化方案，让GUI智能体在保持任务效用的同时可靠拒绝危险目标。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SCOPE联合后训练CUA能力与安全，Qwen3.5-9B上综合得分58.80%最优
- •SCOPE-Gen自动合成可验证任务并转为配对的环境风险变体，构建SATraj-OS轨迹数据集
- •数据集含能力演示、安全续行与显式拒绝三类轨迹，先SFT再在线RL
- •SCOPE-RL在OSWorld达54.17%成功率，OS-BLIND达64.30%攻击规避率
- •综合能力-安全得分58.80%，为所评估智能体中最高
- •消融显示拒绝轨迹主要贡献攻击规避，风险处理轨迹在同等安全下保留更多任务效用
为什么重要：计算机使用智能体仅优化任务成功率不足以保证安全，该框架给出能力与安全联合后训练的可复制配方。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。