Jul 30, 2026 · Qwen3-VL-8B/30B-A3B, UI-TARS-1.5-7B, OpenCUA-7B
Rethinking Inference-Time Scaling in Local Computer-Use Agents: Failure Modes and Compute Tradeoffs
arXiv 论文（2607.28573v1）对本地计算机使用智能体（CUA）的推理时扩展进行了实证研究，评估了 Qwen3-VL-8B/30B-A3B、UI-TARS-1.5-7B 和 OpenCUA-7B 在 OSWorld 基准上的表现。研究发现，额外计算常导致收益递减并改变失败模式；上下文扩展可提高轨迹稳定性但收益饱和，时间扩展减少停滞但未显著提升任务成功率。
EVENT STORY
Development
- First ReportRethinking Inference-Time Scaling in Local Computer-Use Agents: Failure Modes and Compute TradeoffsarXiv cs.AI
- Current Assessment本地 CUA 的推理时扩展面临收益递减，意味着在硬件受限场景下，单纯增加计算可能不是提升性能的可靠路径，行业可能需要转向更高效的架构或训练方法。Agent Pulse · analysis
该论文系统研究了本地计算机使用智能体（CUA）在严格硬件约束下的推理时扩展。作者在 OSWorld 基准上评估了 Qwen3-VL-8B/30B-A3B、UI-TARS-1.5-7B 和 OpenCUA-7B，从上下文、时间、结构和并行四个维度进行扩展。结果显示，额外计算往往收益递减，并改变失败模式：上下文扩展提供历史基础，改善轨迹稳定性，但收益随 token 成本增加而饱和，失败从重复或停滞转向过早的虚假成功；时间扩展减少最大步数停滞，但未显著提升任务成功率，表明更长视野常延长错误轨迹。
推理时扩展在本地 CUA 上并非线性有效：上下文扩展的收益在 token 成本增加时饱和，且失败模式从停滞转向虚假成功，提示需要新的停止或验证机制；时间扩展减少停滞但未提升成功率，说明单纯增加步数上限可能只是延长错误轨迹。
本地 CUA 的推理时扩展面临收益递减，意味着在硬件受限场景下，单纯增加计算可能不是提升性能的可靠路径，行业可能需要转向更高效的架构或训练方法。
对部署本地 CUA 的企业，该研究提示推理时扩展的投入产出比有限，需权衡计算成本与性能提升，可能影响产品设计和成本控制。
后续可关注是否出现针对本地 CUA 的推理时扩展新方法，或模型在 OSWorld 等基准上的性能提升，以及是否出现更有效的停止或验证机制。