标题： 扩展代理在计算机使用中的不合理有效性 显示英文标题

标题： The Unreasonable Effectiveness of Scaling Agents for Computer Use

摘要： 计算机使用代理（CUAs）有望自动化日常数字任务，但其不可靠性和高方差阻碍了它们在长期、复杂任务中的应用。 我们引入了行为最佳N（bBoN），一种通过生成多个滚动结果并在其中选择的方法，这些滚动结果通过描述代理滚动结果的行为叙述来选择。 它实现了广泛的探索和有根据的轨迹选择，显著提高了鲁棒性和成功率。 在OSWorld上，我们的bBoN扩展方法以69.9%的成绩建立了新的最先进水平（SoTA），明显优于先前方法，并接近72%的人类水平性能，全面的消融实验验证了关键设计选择。 我们进一步展示了在WindowsAgentArena和AndroidWorld不同操作系统上的强大泛化结果。 至关重要的是，我们的结果突显了正确进行扩展的CUAs的不合理有效性：有效的扩展需要结构化的轨迹理解和选择，而bBoN提供了一个实现这一目标的实用框架。 显示英文摘要

摘要： Computer-use agents (CUAs) hold promise for automating everyday digital tasks, but their unreliability and high variance hinder their application to long-horizon, complex tasks. We introduce Behavior Best-of-N (bBoN), a method that scales over agents by generating multiple rollouts and selecting among them using behavior narratives that describe the agents' rollouts. It enables both wide exploration and principled trajectory selection, substantially improving robustness and success rates. On OSWorld, our bBoN scaling method establishes a new state of the art (SoTA) at 69.9%, significantly outperforming prior methods and approaching human-level performance at 72%, with comprehensive ablations validating key design choices. We further demonstrate strong generalization results to different operating systems on WindowsAgentArena and AndroidWorld. Crucially, our results highlight the unreasonable effectiveness of scaling CUAs, when you do it right: effective scaling requires structured trajectory understanding and selection, and bBoN provides a practical framework to achieve this.