卡内基梅隆大学发布 AgentProofBench：首个可复用 Web Agent 验证器基准

卡内基梅隆大学团队发布 AgentProofBench，用于评测 Web Agent 的可复用验证器。基准将冻结的接受规则绑定到执行 trace，先在源工作区探测规则，再在环境变化的工作区重放判定，评估程序化门控的正确性与跨任务复用能力，并展示错误状态被误判 PASS 的失败案例。项目页与 GitHub 已公开。