UI-TARS

字节的可以直接操作图形界面的原生 GUI 智能体模型UI-TARS

作者

UI-TARS 是一种智能体模型，可以直接理解并操作图形界面的原生 GUI 智能体，它具有感知、行动、推理和记忆等关键能力。相比传统拼装方法，UI-TARS 使用一个“大模型”进行端到端学习，提升了灵活性与稳健性，并在某些测试上超过了 Claude 和 GPT-4。

重磅！字节发布UI-TARS大模型，三句话搞定电脑操作！碾压GPT-4！

作者

字节发布UI-TARS视觉语言模型，能像人一样操控电脑界面，并在多项测试中击败GPT-4等对手。它具备感知、推理及行动能力，支持点击、输入等多种操作。UI-TARS通过SFT和DPO训练，在多个GUI代理基准测试中达到最佳成绩，还开源了桌面版应用。