Salesforce AI研究又出重磅论文！他们的31B开源Gemma-4网络代理在9应用的WebArena Infinity测试中得分74.6%，超过带浏览器的Gemini 3 Flash（70.1%）。更厉害的是，他们没在每一步或部署时调用前沿裁判。CLIFT让代理自己回答关于执行过程的验证问题，再用一个符合性验证器筛选出与训练时裁判一致的答案，按可信度加权后加入每步奖励。测试时，直接用冻结的问题库，自动在贪心策略中做选择。
—— DAIR.AI (@dair_ai) X帖子｜2026-10-08T02:00:11+00:00
原帖：https://x.com/dair_ai/status/2108014562922688647
DAIR.AI：Salesforce AI研究又出重磅论文！他们的31B开源…
Salesforce AI研究又出重磅论文！他们的31B开源Gemma-4网络代理在9应用的WebArena Infinity测试中得分74.6%，超过带浏览器的Gemini 3 Flash（70.1%）。更厉害的是，他们没在每一步或部署时
扫描二维码，在手机上阅读
