中文简介
microsoft/CUAVerifierBench 是 microsoft 在 Hugging Face 发布的数据集仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 c19eb323cd80,同步到 8 个文件,文件元数据合计 3.09 GB;访问状态为“公开”,许可证字段为“mit”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 microsoft/CUAVerifierBench 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
microsoft/CUAVerifierBench 是 microsoft 在 Hugging Face 发布的数据集仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 c19eb323cd80,同步到 8 个文件,文件元数据合计 3.09 GB;访问状态为“公开”,许可证字段为“mit”。
【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。
【版本与规格】
固定版本:c19eb323cd80。 任务标签:图文理解与多模态生成。 语言字段:en。 数据集卡名称:CUAVerifierBench。 规模分类:n<1K。 上游页面记录的最近更新时间:2026-04-21。
【文件信息】
上游 API 返回 8 个文件,文件元数据合计 3.09 GB。 已保存文件清单中的主要扩展名:.parquet 6 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:trajectories/internal-00000-of-00002.parquet(597.01 MB);trajectories/fara7b_om2w_browserbase-00000-of-00002.parquet(439.94 MB);trajectories/fara7b_om2w_browserbase-00001-of-00002.parquet(395.27 MB)。
【运行或处理环境】
仓库文件元数据合计 3.09 GB。仅按下载、解压和临时文件估算,建议至少预留约 3.71 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。
【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
CUAVerifierBench: A Human-Annotated Benchmark for Computer-Using-Agent Verifiers Universal Verifier paper: *The Art of Building Verifiers for Computer Use Agents* Dataset Summary CUAVerifierBench** is an evaluation benchmark for **verifiers** of computer-using agents (CUAs) — i.e. judges that read an agent's trajectory (screenshots + actions + final answer) and decide whether the task was completed correctly. Where benchmarks like WebTailBench measure *agents*, CUAVerifierBench measures the *judges that score those agents*. Each row pairs a Fara-7B agent trajectory with one human reviewer's verdict, plus the verdicts produced by the **Universal Verifier (MMRubricAgent)** and several legacy verifiers. Researchers can use the dataset to: Compute verifier–human agreement (Cohen's κ, accuracy, F1) on a fixed corpus of trajectories Study disagreement between judges and how it changes when reviewers see the verifier's output (the "UV-informed" stage) Iterate on new verifier prompts/architectures against a frozen ground-truth set Splits Both configs (`trajectories`, `annotations`) carry the same two splits: | Split | Source | Trajectories | Annotation rows | Annotation stages | |---|---|---|---|---| | `fara7b_om2w_browserbase` | Fara-7B trajectories on the Online-Mind2Web tasks executed via the Browserbase remote browser | 106 | 215 (≈2 reviewers/task) | UV-blind **and** UV-informed | | `internal` | Microsoft-internal task suite — heldout aurora-v2 task definitions evaluated with the same WebSurfer + verifier stack | 154 | 154 (1 reviewer/task) | UV-blind only | The two splits share the same column schema. The `internal` split was annotated in a single UV-blind stage, so its `informed_*` fields and `human_process_score` are empty / null. Dataset Structure The dataset is exposed as **two HuggingFace configs** that are joinable on `task_id`: | Config | Granularity | Contents | |---|---|---| | `trajectories` | one row per task | The agent run — instruction, screenshots, web_s
适用场景
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。
规模与格式
固定版本:c19eb323cd80。 任务标签:图文理解与多模态生成。 语言字段:en。 数据集卡名称:CUAVerifierBench。 规模分类:n<1K。 上游页面记录的最近更新时间:2026-04-21。
文件说明
上游 API 返回 8 个文件,文件元数据合计 3.09 GB。 已保存文件清单中的主要扩展名:.parquet 6 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:trajectories/internal-00000-of-00002.parquet(597.01 MB);trajectories/fara7b_om2w_browserbase-00000-of-00002.parquet(439.94 MB);trajectories/fara7b_om2w_browserbase-00001-of-00002.parquet(395.27 MB)。
上游文件元数据
.gitattributes2.45 KBannotations/fara7b_om2w_browserbase-00000-of-00001.parquet76.11 KBannotations/internal-00000-of-00001.parquet15.09 KBREADME.md9.84 KBtrajectories/fara7b_om2w_browserbase-00000-of-00002.parquet439.94 MBtrajectories/fara7b_om2w_browserbase-00001-of-00002.parquet395.27 MBtrajectories/internal-00000-of-00002.parquet597.01 MBtrajectories/internal-00001-of-00002.parquet714.91 KB
硬件建议
仓库文件元数据合计 3.09 GB。仅按下载、解压和临时文件估算,建议至少预留约 3.71 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。
注意事项
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。