伯克利发布CUA-Lite：统一计算机使用智能体研发的开源平台

基础设施级统一：解决CUA研发的碎片化困局

UC Berkeley研究团队指出，当前计算机使用智能体（Computer-Use Agents, CUAs）的研发面临严重基础设施割裂：智能体实现、执行环境、操作轨迹（traces）、评估与训练框架分散于不同代码库，接口互不兼容。CUA-Lite正是为弥合这一断层而生——它通过定义统一的动作空间（action space）、统一的数据模式（LiteSample schema）和统一的命令接口，将桌面、浏览器与移动三端能力整合于单一技术栈中。

Lite.OSWorld：消除‘VM税’的轻量级桌面沙箱

平台最实质性的突破是Lite.OSWorld。原OSWorld基准依赖为每个任务启动一个完整的QEMU/KVM虚拟机，需宿主机启用/dev/kvm及嵌套虚拟化，这在多数云实例、CI流水线与嵌套容器环境中不可行。Lite.OSWorld则在标准Docker容器内运行GNOME桌面，完全规避虚拟化依赖。实测显示：内存占用从4.1 GB降至0.9 GB（降幅78%），冷启动时间从29.9秒缩短至23.8秒，同等资源下并行实例数提升约4.6倍。尤为关键的是，团队在13个主流CUA模型上验证，Lite.OSWorld的评测得分与原OSWorld VM完全一致——这意味着在容器中获得的训练信号可直接迁移至真实基准，保真度得到实证保障。

扩展生态：从桌面到多应用的沙箱家族

基于Lite.OSWorld，CUA-Lite进一步衍生出Lite.ScaleCUA（规模化桌面任务）、Lite.CUAGym（通用强化学习接口）与Lite.CUAWorld（扩展至约40款专业应用，含Blender、QGIS、VS Code等）。平台宣称支持超30,000个可验证任务，覆盖从基础交互到复杂工作流的全场景。

统一数据层：LiteSample与开放数据集

CUA-Lite第二层是LiteSample——一个面向监督学习的标准化数据模式，以Parquet格式存储结构化轨迹，并附带原始截图图像。团队已将Aguvis、OpenCUA、ScaleCUA、GUI-360、GUIOdyssey、Multimodal-Mind2Web等10余个现有CUA数据集统一预处理并免费发布于Hugging Face。此外，还提供由前沿教师模型在沙箱中生成的全新rollout数据集，用于知识蒸馏。针对不同模型家族的输入格式差异，平台内置按模型定制的适配器（per-model adapter），自动完成历史压缩（history collapsing）等转换，使多个动作步骤可共享一次前向传播。

一体化训练与评估：一行命令切换

所有智能体与环境通过lite.gym对接：输入为屏幕截图，输出为标准化动作。平台已集成GPT、Claude、Gemini、Qwen3-VL、UI-TARS、Fara-7B、MAI-UI等10余种智能体，以及OSWorld、WebArena、VisualWebArena、AndroidWorld、MobileGym等15+基准。用户仅需修改`scripts/rollout.py`中的`--model-id`与`--env-id`参数即可切换配置。该循环同时支撑监督微调（SFT）与强化学习（RL）：文档示例显示，Qwen3-VL-2B-Instruct在Lite.ScaleCUA轨迹上微调后，在lite.osworld评测集（332任务）的平均回合回报从0.138提升至0.237；RL方面，基于Slime框架的GRPO算法已在MobileGym的416个移动任务（覆盖28款App）上完成完整验证。

部署与许可说明

CUA-Lite栈可通过`uv sync --all-extras`在Python 3.12环境一键安装，轻量沙箱可在任意Docker主机运行（包括云服务器、CI runner与嵌套容器）。但需注意：当前GitHub仓库尚未声明明确开源许可证，商业使用者须自行确认合规性。

编者观点：CUA-Lite所倡导的“基础设施先行”范式，为中国AI团队规避重复造轮、加速智能体工业化落地提供了可即插即用的协同基座——尤其对缺乏虚拟化权限的中小企业与高校实验室，其Docker原生方案具有显著部署优势。