一分钟读论文：《重新思考本地计算机使用 Agent 的推理时扩展》
内容提要
该研究系统评估了推理时扩展在本地计算机使用Agent中的效果，发现额外计算不提高成功率，仅改变失败模式。上下文扩展改善轨迹稳定性但收益饱和，时间扩展延长错误轨迹而非纠正。结构分解和并行扩展部分缓解问题但成本高昂，表明本地模型缺乏长程任务自我修正能力。
延伸解读
推理时扩展的收益递减
论文指出，在本地计算机使用Agent中，增加推理时计算并不总能提升成功率，反而可能只是改变失败模式。例如，上下文扩展虽然能改善轨迹稳定性，但收益随token成本增加而饱和；时间扩展则可能延长错误轨迹而非纠正。这提醒我们，在资源受限的本地部署中，盲目增加计算可能徒劳无功，需要更精细的策略。
失败模式的转变
研究发现，推理时扩展会导致失败模式从“重复停滞”转向“过早错误成功”。这意味着Agent可能更早地做出错误判断并停止探索，而不是持续尝试。这种转变对实际应用有重要影响：即使任务未完成，Agent也可能给出看似成功的结果，增加了评估和调试的难度。
本地模型的自我修正局限
时间扩展的实验结果尤为反直觉：更长的执行视界并未纠正错误轨迹，反而延长了它们。这表明本地模型在长程任务中缺乏自我修正能力。即使提供更多计算资源，模型也可能沿着错误路径越走越远，而非及时调整。这提示我们在设计本地Agent时，应更注重模型的内在纠错机制，而非单纯依赖计算扩展。
Q&A
本地计算机使用Agent的推理时扩展研究主要发现了什么？
研究发现，对本地计算机使用Agent进行推理时扩展（增加计算）并不能提高任务成功率，反而会改变失败模式，例如从重复停滞变为过早错误成功。
推理时扩展的四个维度是什么？各自效果如何？
四个维度包括：上下文扩展、时间扩展、结构分解和并行扩展。上下文扩展改善轨迹稳定性但收益饱和；时间扩展减少停滞但不提高成功率，反而延长错误轨迹；结构分解和并行扩展部分缓解问题但计算成本高。
为什么说时间扩展的结果反直觉？
因为直觉上更长的执行时间应该允许模型纠正错误，但实验发现更长的视界并没有纠正错误轨迹，反而延长了它们，表明本地模型缺乏长程任务的自我修正能力。
论文评估了哪些模型和基准？
评估了Qwen3-VL-8B/30B-A3B、UI-TARS-1.5-7B和OpenCUA-7B四个开源模型，在OSWorld基准上进行测试。
上下文扩展如何改变失败模式？
上下文扩展将失败从重复或停滞的轨迹转变为过早的错误成功，即Agent更早做出错误判断并停止探索，而不是继续尝试。
结构分解和并行扩展的代价是什么？
它们虽然能部分缓解推理时扩展的失败问题，但会大幅增加计算成本，在实际部署中可能不具可行性。
