Uncertainty Quantification for Computer-Use Agents: A Benchmark across Vision-Language Models and GUI Grounding Datasets（在新窗口打开）
发布 Argus 基准，系统比较 GUI 单步可执行 grounding 上多种后验 UQ 方法在不同模型与数据集间的可迁移性。
- 构建开源与闭源 VLM 智能体、多数据集上的 post-hoc UQ 方法矩阵
- 揭示 UQ 排序在固定模型跨数据集较稳、跨模型与界面则退化
- 提供 per-item 记录、校准划分与分析脚本以支持按场景选 UQ