UI-TARS-2 memajukan agen GUI dengan pembelajaran penguatan multi-giliran

Laporan teknis UI-TARS-2 memperkenalkan model agen berpusat pada GUI asli yang mengatasi tantangan dalam skalabilitas data, pembelajaran penguatan multi-giliran, dan stabilitas lingkungan melalui metodologi pelatihan sistematis. Pendekatan ini mencakup roda flywheel data untuk generasi data yang dapat diskalakan, kerangka RL multi-giliran yang distabilkan, lingkungan GUI hibrida yang mengintegrasikan sistem file dan terminal, serta platform sandbox terpadu.

• Pada benchmark GUI, UI-TARS-2 mencapai 88.2 pada Online-Mind2Web, 47.5 pada OSWorld, 50.6 pada WindowsAgentArena, dan 73.3 pada AndroidWorld, mengungguli baseline kuat seperti agen Claude dan OpenAI.
• Dalam lingkungan permainan, ia meraih skor normalisasi rata-rata 59.8 di seluruh suite 15 permainan, mencapai sekitar 60% dari kinerja tingkat manusia dan tetap kompetitif dengan model tertutup terdepan seperti OpenAI o3 pada LMGame-Bench.
• Model ini menunjukkan ketangguhan dengan menggeneralisasi ke tugas pencarian informasi jangka panjang dan benchmark rekayasa perangkat lunak.

Hasil-hasil ini menyoroti potensi UI-TARS-2 untuk memajukan keadaan terkini agen GUI dan menunjukkan generalisasi yang kuat ke skenario interaktif dunia nyata.