EvoCUA: Evolución de Agentes de Uso Informático mediante Aprendizaje a partir de Experiencia Sintética Escalable

EvoCUA: Evolving Computer Use Agents via Learning from Scalable Synthetic Experience

January 22, 2026

Autores: Taofeng Xue, Chong Peng, Mianqiu Huang, Linsen Guo, Tiancheng Han, Haozhe Wang, Jianing Wang, Xiaocheng Zhang, Xin Yang, Dengchang Zhao, Jinrui Ding, Xiandi Ma, Yuchen Xie, Peng Pei, Xunliang Cai, Xipeng Qiu

cs.AI

Resumen

El desarrollo de agentes nativos de uso informático (CUA) representa un avance significativo en la inteligencia artificial multimodal. Sin embargo, su potencial se ve actualmente limitado por las restricciones del escalado de datos estáticos. Los paradigmas existentes, que dependen principalmente de la imitación pasiva de conjuntos de datos estáticos, tienen dificultades para capturar las intrincadas dinámicas causales inherentes a las tareas informáticas de largo horizonte. En este trabajo, presentamos EvoCUA, un modelo de agente nativo para el uso de computadoras. A diferencia de la imitación estática, EvoCUA integra la generación de datos y la optimización de políticas en un ciclo evolutivo autosostenible. Para mitigar la escasez de datos, desarrollamos un motor de síntesis verificable que genera de forma autónoma tareas diversas junto con validadores ejecutables. Para permitir la adquisición de experiencia a gran escala, diseñamos una infraestructura escalable que orquesta decenas de miles de ejecuciones asíncronas en entornos sandbox. Sobre la base de estas trayectorias masivas, proponemos una estrategia de aprendizaje evolutivo iterativo para internalizar esta experiencia de manera eficiente. Este mecanismo regula dinámicamente las actualizaciones de políticas identificando los límites de capacidad, reforzando las rutinas exitosas mientras transforma las trayectorias de fallo en una supervisión enriquecida mediante el análisis de errores y la autocorrección. Las evaluaciones empíricas en el benchmark OSWorld demuestran que EvoCUA alcanza una tasa de éxito del 56,7%, estableciendo un nuevo estado del arte de código abierto. Notablemente, EvoCUA supera significativamente al mejor modelo de código abierto anterior, OpenCUA-72B (45,0%), y sobrepasa a modelos de pesos cerrados líderes como UI-TARS-2 (53,1%). Crucialmente, nuestros resultados subrayan la generalizabilidad de este enfoque: el paradigma evolutivo impulsado por el aprendizaje a partir de la experiencia produce ganancias de rendimiento consistentes en modelos base de diversas escalas, estableciendo un camino robusto y escalable para avanzar en las capacidades de los agentes nativos.

English

The development of native computer-use agents (CUA) represents a significant leap in multimodal AI. However, their potential is currently bottlenecked by the constraints of static data scaling. Existing paradigms relying primarily on passive imitation of static datasets struggle to capture the intricate causal dynamics inherent in long-horizon computer tasks. In this work, we introduce EvoCUA, a native computer use agentic model. Unlike static imitation, EvoCUA integrates data generation and policy optimization into a self-sustaining evolutionary cycle. To mitigate data scarcity, we develop a verifiable synthesis engine that autonomously generates diverse tasks coupled with executable validators. To enable large-scale experience acquisition, we design a scalable infrastructure orchestrating tens of thousands of asynchronous sandbox rollouts. Building on these massive trajectories, we propose an iterative evolving learning strategy to efficiently internalize this experience. This mechanism dynamically regulates policy updates by identifying capability boundaries -- reinforcing successful routines while transforming failure trajectories into rich supervision through error analysis and self-correction. Empirical evaluations on the OSWorld benchmark demonstrate that EvoCUA achieves a success rate of 56.7%, establishing a new open-source state-of-the-art. Notably, EvoCUA significantly outperforms the previous best open-source model, OpenCUA-72B (45.0%), and surpasses leading closed-weights models such as UI-TARS-2 (53.1%). Crucially, our results underscore the generalizability of this approach: the evolving paradigm driven by learning from experience yields consistent performance gains across foundation models of varying scales, establishing a robust and scalable path for advancing native agent capabilities.