UI-TARS-2 通过多轮强化学习推进 GUI 代理

UI-TARS-2 技术报告介绍了一种原生的以 GUI 为中心的代理模型，通过系统化的训练方法论解决了数据可扩展性、多轮强化学习和环境稳定性方面的挑战。该方法包括用于可扩展数据生成的飞轮数据、稳定的多轮 RL 框架、集成文件系统和终端的混合 GUI 环境以及统一的沙盒平台。

• 在 GUI 基准测试中，UI-TARS-2 在 Online-Mind2Web 上达到 88.2，在 OSWorld 上达到 47.5，在 WindowsAgentArena 上达到 50.6，在 AndroidWorld 上达到 73.3，优于 Claude 和 OpenAI 代理等强大的基线。
• 在游戏环境中，它在 15 个游戏的套件中取得了 59.8 的平均归一化得分，达到人类水平性能的约 60%，并在 LMGame-Bench 上与 OpenAI o3 等前沿专有模型保持竞争力。
• 该模型通过泛化到长周期信息检索任务和软件工程基准测试展示了鲁棒性。

这些结果强调了 UI-TARS-2 在推进 GUI 代理状态方面的潜力，并表现出对现实世界交互场景的强大泛化能力。