论文页面 - CUA-Master：通过开放世界递归改进扩展计算机使用智能体

来源：https://huggingface.co/papers/2611.03126 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

CUA-Master 利用嵌套递归循环，结合开放世界数据和反馈驱动的重试，持续提升计算机使用智能体在各类基准测试中的表现。

尽管计算机使用智能体（CUA）近期取得了进展，但其发展仍受限于交互数据在多样性、可控性和可靠性方面的不足。此外，传统优化流程缺乏迭代反馈，而现有递归改进方法往往依赖自行生成的经验，限制了能力拓展，并导致收益递减。为应对这些挑战，我们提出了 CUA-Master (https://huggingface.co/papers?q=CUA-Master)，这是一个嵌套双循环递归改进 (https://huggingface.co/papers?q=nested%20double-loop%20recursive%20improvement)框架。在系统层面，外层的世界—数据—模型飞轮 (https://huggingface.co/papers?q=world-data-model%20flywheel)持续引入开放世界语料 (https://huggingface.co/papers?q=open-world%20corpus)，并利用模型不断变化的弱点来指导后续的数据构建与优化迭代。在数据层面，内层飞轮将开放世界种子任务挖掘与自催化传播 (https://huggingface.co/papers?q=autocatalytic%20propagation)相结合。前者从教学视频中挖掘真实工作流程作为种子任务，并采用视觉—语义双路径轨迹重建 (https://huggingface.co/papers?q=visual-semantic%20dual-path%20trajectory%20reconstruction)；后者将这些种子转化为可复用的原语 (https://huggingface.co/papers?q=reusable%20primitives)，以可控方式合成多样、复杂且可验证的任务。为实现高效可靠的轨迹采集，我们进一步在多种真实环境中引入了反馈引导的快照回滚重试 (https://huggingface.co/papers?q=feedback-guided%20snapshot-rollback%20retry)机制。大量实验表明，CUA-Master (https://huggingface.co/papers?q=CUA-Master)-27B 在纯 GUI 和 GUI-CLI 混合基准测试 (https://huggingface.co/papers?q=GUI-CLI%20hybrid%20benchmarks)中均取得了具有竞争力的表现，在 OSWorld Verified、OSWorld 2.0、WeaveBench 和 Agents’ Last Exam 上分别获得 80.2、36.9、43.9 和 25.0 分。我们的框架还显著提升了数据合成的质量与效率，并在递归迭代中展现出持续的性能提升。

查看 arXiv 页面 (https://arxiv.org/abs/2611.03126)查看 PDF (https://arxiv.org/pdf/2611.03126)项目页面 (https://xlyu0106.github.io/CUA-Master/)GitHub44 (https://github.com/xlyu0106/CUA-Master)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2611.03126)

在你的智能体中获取这篇论文：

hf papers read 2611\.03126

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型1

yxl66666/CUAMaster-27B 27B• 更新于19分钟前 • 16 • 5 (https://huggingface.co/yxl66666/CUAMaster-27B)

引用此论文的数据集0

没有关联此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2611.03126，即可从此页面链接到该数据集。

引用此论文的 Spaces0

没有关联此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2611.03126，即可从此页面链接到该 Space。

包含此论文的合集0

没有包含此论文的合集

将此论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集。