CMU 发布 AgentProofBench：首个可复用 Web Agent 验证器基准

卡内基梅隆大学发布 AgentProofBench，为首个可复用 Web Agent 验证器基准，并已公开项目页与 GitHub。该基准把冻结的接受规则绑定到执行 trace，先在源工作区探测验证器规则，再在环境变化后的工作区重放判定，检验验证结论是否仍成立。评测覆盖 program-gate 的正确性与跨任务复用能力，并展示了对错误状态误判 PASS 的失败案例。