多模态gui agent - 多模态gui agent技术,学习,经验文章

一直会游泳的小猫

2 小时前

UI-TARS-desktopUI-TARS（User Interface - Task Automation through Reasoning and Self-play，用户界面 - 通过推理与自博弈实现任务自动化）是字节跳动（ByteDance）研究团队开发的开源 GUI Agent（图形用户界面智能代理）应用栈。它基于原生多模态大语言模型（Native Multimodal LLM），能够通过自然语言指令自主控制计算机，实现桌面交互自动化。