# 复旦和通义搞了个 ToolCUA，专门教 Agent 在屏幕上选对工具

> 原标题：别光给Agent加Tool了，它根本选不明白！复旦×通义提出全新CUA训练范式

- 来源：量子位 · 公众号
- 发布时间：2026-05-31T05:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30869
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247893880&idx=3&sn=3801eccb44a75d9e72fc8da3c199f2a3

## 摘要

现在给 Agent 塞一堆工具，它经常不知道该点哪个。复旦和通义实验室提出了一套叫 ToolCUA 的训练方法，核心是用约 4000 个合成工具和 18 万步的“屏幕操作+工具调用”交叉轨迹来训练模型。他们训出来的 ToolCUA-8B 在 OSWorld-MCP 基准上跑到了 46.85% 的准确率。

## 推荐理由

复旦与通义实验室提出 ToolCUA 训练方法，用约 4000 个合成工具和 18 万步交叉轨迹教 Agent 在屏幕上选对工具，其 8B 模型在 OSWorld-MCP 基准上达到 46.85% 准确率。

## 锐评

46.85% 这个数放在 4000 个工具的环境里，其实不算低，工具一多，选错一个后面全废，能到一半说明这套交叉轨迹训练确实在解决真问题。18 万步合成数据是更值钱的部分，工具调用最贵的就是标注，能合成出来成本就压下来了。8B 的模型跑这个成绩，端侧部署也有戏。我唯一想挑的是 OSWorld-MCP 这个基准本身偏新，各家还没在上面卷起来，等大家都报数了再看这个 46.85 排在哪。
