EvoCUA: Evolução de Agentes de Uso de Computador por meio da Aprendizagem a partir de Experiência Sintética Escalável

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

Resumo

O desenvolvimento de agentes nativos de uso de computador (CUA, na sigla em inglês) representa um salto significativo na IA multimodal. No entanto, seu potencial está atualmente limitado pelas restrições da escalabilidade de dados estáticos. Os paradigmas existentes, que dependem principalmente da imitação passiva de conjuntos de dados estáticos, lutam para capturar a dinâmica causal intrincada inerente a tarefas computacionais de longo prazo. Neste trabalho, apresentamos o EvoCUA, um modelo de agente nativo para uso de computador. Diferente da imitação estática, o EvoCUA integra a geração de dados e a otimização de políticas em um ciclo evolutivo autossustentável. Para mitigar a escassez de dados, desenvolvemos um motor de síntese verificável que gera autonomamente tarefas diversificadas em conjunto com validadores executáveis. Para permitir a aquisição de experiência em larga escala, projetamos uma infraestrutura escalável que orquestra dezenas de milhares de execuções assíncronas em ambientes de sandbox. Com base nessas trajetórias massivas, propomos uma estratégia de aprendizado evolutivo iterativo para internalizar essa experiência de forma eficiente. Este mecanismo regula dinamicamente as atualizações de política identificando os limites de capacidade – reforçando rotinas bem-sucedidas enquanto transforma trajetórias de falha em supervisão rica por meio de análise de erro e autocorreção. Avaliações empíricas no benchmark OSWorld demonstram que o EvoCUA atinge uma taxa de sucesso de 56,7%, estabelecendo um novo estado da arte em código aberto. Notavelmente, o EvoCUA supera significativamente o melhor modelo de código aberto anterior, o OpenCUA-72B (45,0%), e ultrapassa modelos de pesos fechados líderes, como o UI-TARS-2 (53,1%). Crucialmente, nossos resultados ressaltam a generalizabilidade desta abordagem: o paradigma evolutivo, orientado pela aprendizagem a partir da experiência, produz ganhos de desempenho consistentes em modelos de base de várias escalas, estabelecendo um caminho robusto e escalável para o avanço das capacidades dos 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.