UI-TARS-2の技術レポートは、データのスケーラビリティ、マルチターン強化学習、環境の安定性における課題に対処する、ネイティブなGUI中心のエージェントモデルを紹介しています。このアプローチには、スケーラブルなデータ生成のためのデータフライホイール、安定化されたマルチターンRLフレームワーク、ファイルシステムとターミナルを統合したハイブリッドGUI環境、そして統一されたサンドボックスプラットフォームが含まれます。

  • GUIベンチマークにおいて、UI-TARS-2はOnline-Mind2Webで88.2、OSWorldで47.5、WindowsAgentArenaで50.6、AndroidWorldで73.3を達成し、ClaudeやOpenAIエージェントのような強力なベースラインを上回ります。
  • ゲーム環境では、15ゲームのスイート全体で平均正規化スコア59.8を獲得し、人間のレベルのパフォーマンスの約60%に達し、LMGame-BenchにおいてOpenAI o3などの最先端のプロプライエタリモデルと競争力を維持しています。
  • このモデルは、長期の情報探索タスクやソフトウェアエンジニアリングベンチマークへの一般化によって堅牢性を示しています。

これらの結果は、UI-TARS-2がGUIエージェントの最前線を進展させ、現実世界のインタラクティブなシナリオに対して強力な汎化能力を示す可能性を強調しています。