يقدم التقرير الفني الخاص بـ UI-TARS-2 نموذج وكيل يركز بشكل أصيل على واجهة المستخدم الرسومية (GUI) ويتناول تحديات قابلية توسيع البيانات، والتعلم التعزيزي متعدد الأدوار، واستقرار البيئة من خلال منهجية تدريب منهجية. يتضمن هذا النهج عجلة بيانات لتوليد البيانات القابلة للتوسع، وإطار عمل RL متعدد الأدوار مستقر، وبيئة GUI هجينة تدمج أنظمة الملفات والمحطات الطرفية، ومنصة صندوق رمل موحدة.
- على معايير واجهة المستخدم الرسومية، يحقق UI-TARS-2 نتيجة 88.2 على Online-Mind2Web، و47.5 على OSWorld، و50.6 على WindowsAgentArena، و73.3 على AndroidWorld، متفوقًا على الأسس القوية مثل وكلاء Claude وOpenAI.
- في بيئات الألعاب، يحقق متوسط نتيجة طبيعية قدره 59.8 عبر مجموعة مكونة من 15 لعبة، مما يصل إلى حوالي 60% من الأداء البشري ويبقى منافسًا للنماذج المملوكة المتقدمة مثل OpenAI o3 على LMGame-Bench.
- يُظهر النموذج متانته من خلال تعميمه على مهام البحث عن المعلومات طويلة المدى ومعايير هندسة البرمجيات.
تؤكد هذه النتائج على إمكانات UI-TARS-2 في دفع حالة وكلاء واجهة المستخدم الرسومية إلى الأمام وإظهار تعميم قوي للسيناريوهات التفاعلية في العالم الحقيقي.