EvoCUA: Evoluzione di Agenti per l'Utilizzo del Computer tramite Apprendimento da Esperienze Sintetiche Scalabili

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

January 22, 2026

Autori: 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

Abstract

Lo sviluppo di agenti nativi per l'uso del computer (CUA) rappresenta un significativo balzo in avanti nel campo dell'IA multimodale. Tuttavia, il loro potenziale è attualmente limitato dai vincoli del ridimensionamento su dati statici. I paradigmi esistenti, che si basano principalmente sull'imitazione passiva di dataset statici, faticano a catturare le intricate dinamiche causali intrinseche nei task informatici di lungo periodo. In questo lavoro, introduciamo EvoCUA, un modello agente nativo per l'uso del computer. A differenza dell'imitazione statica, EvoCUA integra la generazione dei dati e l'ottimizzazione delle policy in un ciclo evolutivo autosostenibile. Per mitigare la scarsità di dati, sviluppiamo un motore di sintesi verificabile che genera autonomamente task diversificati accoppiati a validatori eseguibili. Per consentire l'acquisizione di esperienza su larga scala, progettiamo un'infrastruttura scalabile che orchestra decine di migliaia di esecuzioni asincrone in ambienti sandbox. Basandoci su queste traiettorie massive, proponiamo una strategia di apprendimento evolutivo iterativo per internalizzare efficientemente questa esperienza. Questo meccanismo regola dinamicamente gli aggiornamenti delle policy identificando i limiti delle capacità – rafforzando le routine di successo mentre trasforma le traiettorie di fallimento in una ricca supervisione attraverso l'analisi degli errori e l'autocorrezione. Le valutazioni empiriche sul benchmark OSWorld dimostrano che EvoCUA raggiunge un tasso di successo del 56,7%, stabilendo un nuovo state-of-the-art open-source. Degno di nota, EvoCUA supera significativamente il precedente miglior modello open-source, OpenCUA-72B (45,0%), e supera modelli closed-weights leader come UI-TARS-2 (53,1%). Crucialmente, i nostri risultati sottolineano la generalizzabilità di questo approccio: il paradigma evolutivo guidato dall'apprendimento dall'esperienza produce guadagni prestazionali consistenti attraverso modelli di fondazione di varie dimensioni, stabilendo un percorso robusto e scalabile per far avanzare le capacità degli agenti nativi.

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.