IBytedanceTalk представили модели UI-TARS и приложение для ПК и Mac OS, которые помогут взаимодействовать с интерфейсами

Интеллектуальные агенты, которые сочетают в себе способность к логическому мышлению и способность к действию в рамках единой модели «зрение-язык» для эффективной автоматизации задач на вашем компьютере на уровне, сравнимом с человеческим 🤔

- Предлагаются в трёх вариантах: 2B, 7B и 72B.

- Обученные на базе Qwen2-VL с поддержкой SOFT & DPO

- Версия 72B показывает 82,8% на VisualWebBench (опережая GPT-4 и Claude)

- SOTA демонстрирует выдающиеся результаты на 10 и более тестах.

Модели на Huggingface:

https://huggingface.co/bytedance-research/UI-TARS-72B-DPO

Почитать:

https://huggingface.co/papers/2501.12326

Код на GitHub:

https://github.com/bytedance/UI-TARS

Приложение на пк:

https://github.com/bytedance/UI-TARS-desktop

Telegram: @mlearning_channel