SCALECUA：以可验证任务合成与高效在线RL扩展计算机使用智能体

计算机使用智能体（CUA）正成为经视觉感知与GUI执行自动化复杂数字工作流的强大界面。带可验证奖励的在线强化学习（RLVR）是扩展其能力的关键方向，但该范式受制于可验证数据稀缺与在线RL低效。为打破这些障碍，我们提出ScaleCUA：经可验证任务合成与高效训练扩展CUA在线RL的统一框架。数据层面：我们设计VeriGen——经迭代Docker交互与多智能体反馈回路生成可验证RL任务的端到端框架；经共享Docker交互探针扩展到100+并发智能体工作者，该管线产出2.4万+可验证任务与近3千高质量RL任务。为最大化样本效率，我们提出前沿采样：跟踪逐任务能力、把rollout分配到当前学习前沿。训练侧：我们进一步设计视觉上下文分段——近期视觉上下文上的滑窗，平衡rollout与训练引擎压力，较逐步分解取得2.83倍训练加速。合计ScaleCUA在OSWorld取得68.7%、ScienceBoard取得54.0%，确立开源计算机使用智能体的新最先进表现。代码、模型与数据集见https://github.com/THUDM/SCALE-CUA。