把原文读完了。这篇的卖点不是又一个 RL 框架，是把「贵的裁判」变成「便宜的证书」这件事做通了。
麻烦的起点很老实：开源 Web Agent 已经能干真活，但拿强化学习去训它，监督信号只有两种——二元成功信号太稀，没法做信用分配；前沿模型裁判每步都问又太贵，而且部署时不能假设裁判在场。
CLIFT 的做法是训练时让 Agent 回答关于自己 rollout 的自然语言验证问题，再用组合保形认证器筛一遍：只留那些与训练期裁判判断一致的信号，按 URL 分层记优势。测试时更妙，认证库整个冻结，Agent 采一条贪心轨迹外加几条多样化重试，自验证器逐 URL 总结，保守多数投票决定换不换。投票的默认项是「不换」，只有证据重复出现才动——拿不准就留在原地。论文里那条保证写得克制：换轨的期望成功率不比贪心差超过 ε(m, δ)。
三个考场，难度递进：
- WebArena Infinity：开源 Agent 里最强，训练和轨迹选择用同一个开源底座。
- VisualWebArena：用开源模型训出的证书库，测试时直接给 GPT-5.5 用，照样最优——学会的验证知识跨底座迁移。
- Online Mind2Web：压根没在这个基准上训过，把问题库翻译过去零样本用，GPT-5.5 high-effort 从 49.7 提到 61.0，加了 11.3 个点。