AgentNetは、香港大学のXLANG研究所がMoonshot AI、スタンフォード大学などの機関と共同で2025年に公開した、デスクトップコンピュータベースの初の大規模インテリジェントエージェント軌跡データセットです。関連論文の結果は「OPENCUA: コンピュータ利用エージェントのためのオープン基盤クロスプラットフォームの GUI 操作エージェントとビジョン言語アクション (VLA) モデルのサポートと評価を目的としています。 このデータセットには、Windows、macOS、Ubuntu、そして200以上のアプリケーションとウェブサイトを対象とした、手動で注釈が付けられた22,600件のコンピュータ使用タスクトレースが含まれています。シナリオは、オフィス、プロフェッショナル、日常、システムの4つのカテゴリに分類されています。デスクトップオートメーション、マルチアプリケーションプロセス、クロスプラットフォームエージェントのトレーニングと評価に適しています。

データ構造とフィールド

各サンプルには以下が含まれます。

• タスクメタデータ: タスク番号 (task_id)、指示 (instruction)。
• 品質評価: 完了度、一貫性、効率性、難易度。
• 概要説明: natural_language_task、actual_task;
• 軌跡配列: traj (時系列順に記録された操作手順)。

軌道ステップ（traj）構造：

• 各ステップには、インデックス、画像 (スクリーンショット)、および値のオブジェクトが含まれます。

• 観察（シーン観察）、思考（思考/計画）、アクション（自然言語アクション）、コード（PyAutoGUI などの実行可能コード）、last_step_correct、last_step_redundant、およびリフレクション。

  

引用

@misc{wang2025opencuaopenfoundationscomputeruse,
title={OpenCUA: Open Foundations for Computer-Use Agents},
author={Xinyuan Wang and Bowen Wang and Dunjie Lu and Junlin Yang and Tianbao Xie and Junli Wang and Jiaqi Deng and Xiaole Guo and Yiheng Xu and Chen Henry Wu and Zhennan Shen and Zhuokai Li and Ryan Li and Xiaochuan Li and Junda Chen and Boyuan Zheng and Peihang Li and Fangyu Lei and Ruisheng Cao and Yeqiao Fu and Dongchan Shin and Martin Shin and Jiarui Hu and Yuyan Wang and Jixuan Chen and Yuxiao Ye and Danyang Zhang and Dikang Du and Hao Hu and Huarong Chen and Zaida Zhou and Haotian Yao and Ziwei Chen and Qizheng Gu and Yipu Wang and Heng Wang and Diyi Yang and Victor Zhong and Flood Sung and Y. Charles and Zhilin Yang and Tao Yu},
year={2025},
eprint={2508.09123},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2508.09123},
}