論文の概要: CUA-Sandbox: Efficient Environments for Computer-Use Agent Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.32750v1
• Date: Sat, 26 Sep 2026 16:16:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:44:01.90473
• Title: CUA-Sandbox: Efficient Environments for Computer-Use Agent Reinforcement Learning
• Title（参考訳）: CUA-Sandbox:コンピュータ利用エージェント強化学習のための効率的な環境
• Abstract要約: 従来のデプロイメントでは,独立したロールアウト毎に実行ランタイムを複製する。 プライベートステートカプセルを共有ランタイムから分離するCUA-Sandboxを導入する。 最大で6.20倍のロールアウトスループット、環境ごとのメモリの9.2倍の削減、インクリメンタルストレージの504倍の削減を実現している。
• 参考スコア（独自算出の注目度）: 31.350643192121762
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning enables computer-use agents to improve through interaction with real software environments, including websites and desktop applications. However, conventional deployments replicate an initialized runtime for each independent rollout, even when trajectories use the same software, incurring repeated memory and initialization costs as the number of parallel environments grows. Does an independent computer-use environment require an independent execution runtime? Our key observation is that trajectories require independent mutable state, while initialized application runtimes can be reused across concurrently evolving environments, making state the natural unit of environment independence. Guided by this observation, we introduce CUA-Sandbox, which separates private state capsules from shared runtimes through state-scoped execution and transactional lifecycle operations, including resets and branches, while retaining the original software interfaces and task evaluators. Experiments show comparable or improved task success relative to Docker, while substantially reducing rollout and resource costs. CUA-Sandbox achieves up to a 6.20x increase in rollout throughput, a 9.2x reduction in per-environment memory, and a 504x reduction in incremental storage.
• Abstract（参考訳）: 強化学習により、コンピュータ利用エージェントはウェブサイトやデスクトップアプリケーションを含む実際のソフトウェア環境とのインタラクションを通じて改善できる。 しかし、従来のデプロイメントでは、トラジェクトリが同じソフトウェアを使っている場合でも、各独立したロールアウト毎に初期化ランタイムを複製し、並列環境の数が増加するにつれて、繰り返しメモリと初期化コストが発生する。 独立したコンピュータ利用環境は、独立した実行ランタイムを必要とするのか? 私たちのキーとなる観察は、トラジェクトリには独立した変更可能な状態が必要ですが、初期化されたアプリケーションランタイムは、同時に進化する環境にわたって再利用することができ、状態が環境独立の自然な単位になります。 この観察でガイドされたCUA-Sandboxは、プライベートステートカプセルを共有ランタイムから切り離し、リセットやブランチを含む状態スコープ実行およびトランザクションライフサイクル操作を通じて、元のソフトウェアインターフェースとタスク評価器を保持しながら、共有ランタイムから分離する。 実験では、Dockerと同等か改善されたタスク成功を示し、ロールアウトとリソースコストを大幅に削減した。 CUA-Sandboxは、ロールアウトスループットの最大6.20倍、環境ごとのメモリの9.2倍、インクリメンタルストレージの504倍に向上する。

関連論文リスト

• RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents [53.51359930826217]
  真のデジタルワークには、端から端まで積み重ねるのではなく、両方をインターリーブする必要があります。 インターフェースを探索し、ソフトウェアを実装し、それらのアーティファクトを実行し、視覚的に検証するタイミングを自律的に決定するハイブリッドCUAについて研究する。 レクリエーションを中心に構築された5プラットフォームフレームワークであるRecreationWorldを紹介します。
  論文  参考訳（メタデータ） (2026-09-18T17:00:56Z)
• Belayer: Efficient Fault Tolerance for LLM Agentic RL Training [28.236424334567133]
  Belayerは大規模言語モデル(LLM)エージェントRLトレーニングのための効率的なフォールトトレラントシステムである。 ロールアウトエンジンと環境実行の両方の障害を処理すると同時に、障害のないオーバーヘッドを目標としている。 環境障害に対して、Belayerは完全なチェックポイントインストールと完全なリストアを導入し、コンテナファイルシステムとステートを共同でキャプチャし、復元する。
  論文  参考訳（メタデータ） (2026-07-28T01:46:18Z)
• Automated Deployment of Real-Time Tasks for Phased Execution on Scratchpad-Based Multicore Platforms [0.5035067032827502]
  マルチコアリアルタイムシステムの鍵となる課題は、共有メモリへのアクセスに対する競合からの干渉である。 フェーズド実行アプローチは、共有メモリアクセスを互いに排他的なメモリフェーズに制限することで、この問題に対処する。 本稿では,段階的実行にアプリケーションを適用するプロセスを自動化するモデルベースのデプロイメント手法を提案する。
  論文  参考訳（メタデータ） (2026-07-03T14:20:53Z)
• Characterizing Software Aging in GPU-Based LLM Serving Systems [3.2117529539472716]
  本稿では,GPU ベースの LLM サービスシステムにおいて,ソフトウェア老化を研究するための実証手法を提案する。 同一のストレス条件下で、6つの共同配置で216時間のキャンペーンを実施。 以上の結果から,すべてのデプロイメントにおけるメモリ老化は統計的に有意であり,リーク率はサービスおよびデプロイメント構成に大きく依存することがわかった。
  論文  参考訳（メタデータ） (2026-06-10T10:48:50Z)
• AGENTSERVESIM: A Hardware-aware Simulator for Multi-Turn LLM Agent Serving [16.735743806437487]
  本稿では,マルチターンLDMエージェントのハードウェア対応シミュレータである AgentSERVESIM を提案する。 AgentSERVESIMは,コモディティCPU上で完全に動作しながら,主要な性能指標に対して6%の誤差で実システム動作を再現することを示す。
  論文  参考訳（メタデータ） (2026-06-08T15:20:23Z)
• SWE-World: Building Software Engineering Agents in Docker-Free Environments [91.17484806743641]
  SWE-Worldは、物理的な実行環境を、ソフトウェアエンジニアリングエージェントのトレーニングと評価のための学習的なサロゲートに置き換える、Dockerフリーのフレームワークである。 我々は,SWE-WorldがQwen2.5-Coder-32Bを,DockerフリーのSFTで6.2%から52.0%,DockerフリーのRLで55.0%,さらにTSで68.2%に引き上げたことを示す。
  論文  参考訳（メタデータ） (2026-02-03T11:44:39Z)
• SCUBA: Salesforce Computer Use Benchmark [63.66753028386581]
  SCUBAは、Salesforceプラットフォーム内の顧客関係管理(CRM)上のコンピュータ利用エージェントを評価するために設計されたベンチマークである。 SCUBAには、実際のユーザインタビューから派生した300のタスクインスタンスが含まれており、3つの主要なペルソナ、プラットフォーム管理者、セールス担当者、サービスエージェントで構成されている。 ゼロショット設定とデモ拡張設定の両方で、多様なエージェントのセットをベンチマークします。
  論文  参考訳（メタデータ） (2025-09-30T16:48:49Z)
• MEM1: Learning to Synergize Memory and Reasoning for Efficient Long-Horizon Agents [84.62985963113245]
  我々は,長時間のマルチターンタスクに対して,エージェントが一定のメモリで動作可能な,エンドツーエンドの強化学習フレームワークMEM1を紹介する。 各ターンでMEM1は、メモリ統合と推論を共同でサポートするコンパクトな共有内部状態を更新する。 その結果,MEM1-7Bは16目的のマルチホップQAタスクにおいて,Qwen2.5-14B-Instructと比較してメモリ使用量を3.7倍削減し,3.5倍の性能向上を示す。
  論文  参考訳（メタデータ） (2025-06-18T19:44:46Z)
• A Comprehensive Trusted Runtime for WebAssembly with Intel SGX [2.6732136954707792]
  TEE内でWebAssemblyコンパイルされたアプリケーションを実行するための信頼できるランタイムであるTwineを紹介します。 標準のWebAssemblyシステムインターフェース(WASI)を拡張し、I/OにフォーカスしたコントロールされたOSサービスを提供する。 汎用ベンチマークと実世界のアプリケーションを用いてその性能を評価し,最先端のソリューションと比較した。
  論文  参考訳（メタデータ） (2023-12-14T16:19:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。