训练电脑操作Agent，很像同时让许多实习生在同一套软件里反复练习：每个人都要保留自己的登录、文件和操作记录，却未必需要各自复制一整套已经启动的软件。传统方案往往为每次尝试准备独立容器，平行训练越多，内存和初始化成本越重。CUA-Sandbox要解决的，正是这笔基础设施开销。
它把“运行时”与“可变状态”拆开：网站和桌面应用的已启动底座可以共享；每条 rollout——Agent从任务开始到结束的一整次尝试——则拥有独立的状态胶囊。重置或分支时，系统只处理状态，不必重建完整环境。作者在 WebArena、VisualWebArena 和 OSWorld 上测试后报告，相比 Docker，任务成功率相当或更好；rollout 吞吐量最高提升至 6.20 倍，单环境内存降至约九分之一，增量存储最多缩减 504 倍。这些效果目前来自论文作者的实验，但它抓住了一个很实在的瓶颈：强化学习需要成千上万次尝试，少复制一整套软件，规模化训练就可能便宜许多。