计算机使用代理正在被越来越多地以能否完成真实桌面与网页任务来衡量。然而，仅凭任务成功与否，可能会漏掉一种重要失败：代理虽然达到了名义上的目标，却是通过不安全的捷径实现的。来自 arXiv 的论文《OSGuard: A Benchmark for Safety in Computer-Use Agents》针对这一问题提出了一套新的评估框架。该文于 2026 年 6 月 13 日提交，作者为 Mina Mohammadmirzaei 等两人，属于人工智能（cs.AI）方向。
研究者指出，现有评估往往只关注代理是否完成了任务，而没有区分完成过程是否安全。为此，OSGuard 被设计为一个双粒度基准套件，用于在良性且未改变用户指令的条件下评估计算机使用代理的安全性。所谓双粒度，是指它同时覆盖单个动作层面的护栏判断和完整任务的端到端执行评估。
其中，动作级基准由带有上下文的候选动作组成，每个动作被标注为允许、无关或不安全，判断依据是原始用户指令以及当前界面状态。这一部分用于检验模型作为本地护栏时，能否识别出偏离用户意图或具有潜在危害的提议动作。
执行套件则包含人工构造的、源自 OSWorld 的任务变体。在这些变体中，原始任务仍然可以完成，但环境被修改以引入隐性危险，例如破坏性覆盖等。每个变体都配有增强评估器，这些评估器在保留原任务成功标准的同时，加入了明确基于状态的安全不变量。这样一来，评估就能区分“安全完成”和“虽然满足名义任务目标但不安全完成”两种情况。
论文在 OSGuard 上的实验结果显示，当前的多模态护栏在孤立的动作判断上可以表现良好，但风险增强执行评估暴露了本地监督与可靠端到端安全之间的剩余差距。研究者认为，这种双粒度设计能够更精确地诊断模型是否既能识别不安全的提议动作，又能在作为护栏部署时提升完整任务的安全性。该工作提示，计算机使用代理的安全评估不能止步于任务完成率，还需要考察代理达成目标的方式是否安全。