# 你的 LLM 评审是个自信的骗子：构建更好的验证器 — Browserbase

- 原标题：Your LLM Judge Is a Confident Liar: Building Better Verifiers — Browserbase
- 类型：讲座
- 来源：YouTube
- 发布时间：2026-10-06
- 首次精选：2026-11-02 01:09
- 分级：值得看
- 学习层级：深入
- 主题：[computer-browser-agents](<https://oplearnx.com/md/topics/computer-browser-agents.md>)（第 19 位）、[judges-quality-validation](<https://oplearnx.com/md/topics/judges-quality-validation.md>)（第 28 位）、[agent-evaluation-reliability](<https://oplearnx.com/md/topics/agent-evaluation-reliability.md>)（第 48 位）
- 原文链接：[https://youtube.com/watch?v=xLxhT2ZI7UM](<https://youtube.com/watch?v=xLxhT2ZI7UM>)
- 本站页面：[https://oplearnx.com/resources/pk\_442276b15a70](<https://oplearnx.com/resources/pk_442276b15a70>)

## 摘要

一场技术演讲，演讲者为 Browserbase agent 平台技术负责人 Miguel González Fernández 与微软研究院研究员 Corby Rosset，介绍面向计算机使用与网页 agent 的验证器研究。内容指出常见网页基准自带的 LLM judge 会高估成功率（官方 judge 报 74%，更好的验证器报 38%），并讲解 Universal Verifier 的做法：任务专属评分细则、挑选最相关截图作为证据、隔离错误、识别幻觉、区分可控与不可控失败，将误报从约一半降到接近零，并用 Cohen's kappa 与人工标注对照验证。还讨论了用 autoresearch 自动构建验证器的效果。适合做 agent 评测与基准研究的人观看。

## 原文涉及

- [The Art of Building Verifiers for Computer Use Agents](<https://arxiv.org/abs/2604.06240>)
- [GitHub - microsoft/fara: Fara1.5 – A family of frontier computer use agent models](<https://github.com/microsoft/fara>)

---
来源：LearnMap · 学径（https://oplearnx.com）