4 月 18 日消息，從豆包大模型團隊獲悉，UI-TARS-1.5 昨日正式發(fā)布并開源。這是一款基于視覺-語言模型構建的開源多模態(tài)智能體，能夠在虛擬世界中高效執(zhí)行各類任務。iP128資訊網(wǎng)——每日最新資訊28at.com

iP128資訊網(wǎng)——每日最新資訊28at.com

有關的鏈接如下：iP128資訊網(wǎng)——每日最新資訊28at.com

GitHub：https://github.com/bytedance/UI-TARSiP128資訊網(wǎng)——每日最新資訊28at.com

Website：https://seed-tars.com/iP128資訊網(wǎng)——每日最新資訊28at.com

Arxiv：https://arxiv.org/abs/2501.12326iP128資訊網(wǎng)——每日最新資訊28at.com

UI-TARS-1.5 基于字節(jié)此前提出的原生智能體方案 UI-TARS，通過強化學習進一步增強了模型的高階推理能力，使模型能夠在“行動”前先進行“思考”。iP128資訊網(wǎng)——每日最新資訊28at.com

該版本的模型中，團隊還展示了一個新的愿景：以游戲為載體來增強基礎模型的推理能力。與數(shù)學、編程等領域相比，游戲更多依賴直觀的、常識性的推理，并較少依賴專業(yè)知識，因此，游戲通常是評估和提升未來模型通用能力的理想測試場景。iP128資訊網(wǎng)——每日最新資訊28at.com

據(jù)介紹，UI-TARS 是一個原生 GUI 智能體，具備真實操作電腦和手機系統(tǒng)的能力，同時，還可操控瀏覽器、完成復雜交互任務。UI-TARS-1.5 能夠實現(xiàn)精準 GUI 操作，基于團隊在四個維度的技術探索：iP128資訊網(wǎng)——每日最新資訊28at.com

視覺感知增強：依托大規(guī)模界面截圖數(shù)據(jù)，模型可理解元素的語義與上下文，形成精準描述。iP128資訊網(wǎng)——每日最新資訊28at.com

System 2 推理機制：在動作前生成“思維（thought）”，支持復雜任務的多步規(guī)劃與決策。iP128資訊網(wǎng)——每日最新資訊28at.com

統(tǒng)一動作建模：構建跨平臺標準動作空間，通過真實軌跡學習提升動作可控性與執(zhí)行精度。iP128資訊網(wǎng)——每日最新資訊28at.com

可自我演化的訓練范式：通過自動化的交互軌跡采集與反思式訓練，模型持續(xù)從錯誤中改進，適應復雜環(huán)境變化。iP128資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.rrqrq.com/showinfo-45-12383-0.html字節(jié) Seed 開源 UI-TARS-1.5：基于視覺-語言模型構建的多模態(tài)智能體

聲明：本網(wǎng)頁內容旨在傳播知識，若有侵權等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：[email protected]

上一篇： OpenAI 上線 Flex 處理模式：API 費用減半，但犧牲響應速度及穩(wěn)定性

下一篇： OpenAI 最強推理模型 o3 o4-mini 發(fā)布后，“照片查位置”成最新熱門玩法