O relatório técnico do UI-TARS-2 apresenta um modelo de agente nativo centrado na GUI que aborda desafios em escalabilidade de dados, aprendizado por reforço multironda e estabilidade do ambiente por meio de uma metodologia de treinamento sistemática. Essa abordagem inclui uma roda de dados para geração escalável de dados, um framework de RL multironda estabilizado, um ambiente híbrido de GUI integrando sistemas de arquivos e terminais, e uma plataforma sandbox unificada.
- Em benchmarks de GUI, o UI-TARS-2 alcança 88.2 no Online-Mind2Web, 47.5 no OSWorld, 50.6 no WindowsAgentArena e 73.3 no AndroidWorld, superando bases fortes como agentes Claude e OpenAI.
- Em ambientes de jogo, ele atinge uma pontuação normalizada média de 59.8 em um conjunto de 15 jogos, alcançando cerca de 60% do desempenho humano e permanecendo competitivo com modelos proprietários de ponta como o OpenAI o3 no LMGame-Bench.
- O modelo demonstra robustez ao generalizar para tarefas de busca de informação de longo prazo e benchmarks de engenharia de software.
Esses resultados destacam o potencial do UI-TARS-2 para avançar o estado dos agentes GUI e exibir forte generalização para cenários interativos do mundo real.