ByteDanceがUI-TARSを公開：画面を直接操作するオープンソースAgent
ByteDanceはGUIやツール利用性能を大幅に高めたAgentモデルUI-TARS-2のリリースを発表しました。視覚言語モデルと強化学習推論を組み合わせ、デスクトップやモバイルの画面要素を認識して自動操作します。OSWorldなどのベンチマークでも高いスコアを記録しています。
ByteDanceはGUIやツール利用性能を大幅に高めたAgentモデルUI-TARS-2のリリースを発表しました。視覚言語モデルと強化学習推論を組み合わせ、デスクトップやモバイルの画面要素を認識して自動操作します。OSWorldなどのベンチマークでも高いスコアを記録しています。