論文の概要: CUA-Master: Scaling Computer-use Agents through Open-World Recursive Improvements
- arxiv url: http://arxiv.org/abs/2611.03126v1
- Date: Mon, 02 Nov 2026 13:41:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 13:12:30.282228
- Title: CUA-Master: Scaling Computer-use Agents through Open-World Recursive Improvements
- Title(参考訳): CUA-Master: オープンワールド再帰的改善によるコンピュータ利用エージェントのスケーリング
- Abstract要約: ネストした二重ループ再帰改善フレームワークCUA-Masterを紹介する。
システムレベルでは、外の世界データモデルフライホイールは、オープンワールドコーパスを継続的に組み込む。
データレベルでは、インナーフライホイールは教育ビデオから真正なタスクをマイニングする。
後者はこれらの種子を、多様で複雑で検証可能なタスクの制御可能な合成のための再利用可能なプリミティブに変換する。
- 参考スコア(独自算出の注目度): 51.00404283751977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite recent advances in CUAs, their development remains constrained by the limited diversity, controllability, and reliability of interaction data. Moreover, conventional optimization pipelines lack iterative feedback, while existing recursive improvement approaches often rely on self-generated experiences, limiting ability expansion and yielding diminishing returns. To address these challenges, we introduce CUA-Master, a nested double-loop recursive improvement framework. At the system level, an outer world-data-model flywheel continuously incorporates open-world corpus and leverages evolving model weaknesses to guide subsequent data construction and optimization iterations. At the data level, an inner flywheel couples open-world seeding and autocatalytic propagation. The former mines authentic workflows as seed tasks from instructional videos, and employs visual-semantic dual-path trajectory reconstruction; The latter transforms these seeds into reusable primitives for controllable synthesis of diverse, complex, and verifiable tasks. To enable efficient and reliable trajectory collection, we further introduce a feedback-guided snapshot-rollback retry mechanism in various real environments. Extensive experiments demonstrate that CUA-Master-27B achieves competitive performance across GUI-only and GUI-CLI hybrid benchmarks, scoring 80.2 on OSWorld Verified, 36.9 on OSWorld 2.0, 43.9 on WeaveBench, and 25.0 on Agents' Last Exam. Our framework also substantially improves the quality and efficiency of data synthesis, and exhibits continuous gains across recursive iterations.
- Abstract(参考訳): 近年のCUAの発展にもかかわらず、その開発は限られた多様性、制御可能性、相互作用データの信頼性に制約されている。
さらに、従来の最適化パイプラインは反復的なフィードバックを欠いているが、既存の再帰的改善アプローチは、しばしば自己生成エクスペリエンスに依存し、能力拡張を制限し、リターンを減少させる。
これらの課題に対処するために、ネストしたダブルループ再帰改善フレームワークCUA-Masterを紹介します。
システムレベルでは、外の世界データモデルフライホイールは、オープンワールドコーパスを継続的に組み込んで、進化するモデルの弱点を活用して、その後のデータ構築と最適化のイテレーションをガイドする。
データレベルでは、内部のフライホイールはオープンワールドシードと自己触媒的伝播を結合する。
後者は、これらの種子を、多様で複雑で検証可能なタスクの制御可能な合成のために、再利用可能なプリミティブに変換する。
さらに,様々な実環境において,フィードバック誘導型スナップショットロールバック再試行機構を導入する。
CUA-Master-27Bは、OSWorld Verifiedで80.2、OSWorld 2.0で36.9、WeaveBenchで43.9、エージェントのLast Examで25.0という、GUIのみのベンチマークとGUI-CLIのハイブリッドベンチマークで競争力を発揮することを示した。
我々のフレームワークはまた、データ合成の品質と効率を大幅に改善し、再帰的なイテレーション間で連続的な利得を示します。
関連論文リスト
- AdaExplore: Failure-Driven Adaptation and Diversity-Preserving Search for Efficient Kernel Generation [59.964989458924585]
AdaExploreは、パフォーマンスクリティカルなカーネルコード生成のための蓄積された実行フィードバックによる自己改善を可能にするエージェントフレームワークである。
適応段階では、エージェントはタスクを合成し、繰り返し発生する障害を有効ルールの再利用可能なメモリに変換する。
探索段階では、候補核を木として整理し、小さな局所精製とより大きな構造再生を交互に行う。
論文 参考訳(メタデータ) (2026-04-17T18:25:03Z) - RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback [54.39884046754265]
RetroAgentは、エージェントが複雑なインタラクティブ環境をマスターできるオンラインRLフレームワークである。
実験の結果,RetroAgentはSOTA(State-of-the-art)の性能を達成できた。
論文 参考訳(メタデータ) (2026-03-09T16:23:33Z) - From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents [23.583947864141162]
EigenDataは階層的なマルチエージェントエンジンで、ツール基底の対話と実行可能なインスタンスごとのチェッカーを合成する。
合成データに基づいて、まずユーザモデルを微調整し、GRPOスタイルのトレーニングを適用するRLレシピを開発する。
以上の結果から,高価なアノテーションを使わずに,複雑なツールの動作をブートストラップするためのスケーラブルな経路が示唆された。
論文 参考訳(メタデータ) (2026-01-30T06:01:23Z) - Arcadia: Toward a Full-Lifecycle Framework for Embodied Lifelong Learning [80.6669596031697]
閉ループフレームワークであるArcadiaを導入し,4段階を密結合させることで生涯学習を実践する。
Arcadiaは、ナビゲーションと操作ベンチマークに一貫した利益をもたらし、物理的なロボットにしっかりと転送する。
論文 参考訳(メタデータ) (2025-11-25T07:26:00Z) - MiniOneRec: An Open-Source Framework for Scaling Generative Recommendation [44.05859062614669]
MiniOneRecは、最初の完全なオープンソースジェネレーティブレコメンデーションフレームワークである。
SID構築にまたがるエンドツーエンドワークフロー、教師付き微調整、レコメンデーション指向の強化学習を提供する。
実験の結果,モデルサイズの増加に伴い,トレーニングと評価の両方の損失が一貫した下降傾向を示した。
論文 参考訳(メタデータ) (2025-10-28T13:58:36Z)
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。