豆包大模型团队发布并开源UI-TARS-1.5_知识

创始人

2025-04-17 22:47:08

4月17日，豆包大模型团队发布并开源UI-TARS-1.5——一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。

上证报中国证券网讯 4月17日，豆包大模型团队发布并开源UI-TARS-1.5——一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。

豆包大模型团队称，UI-TARS-1.5已在7个典型的GUI图形用户界面评测基准中取得SOTA表现，并首次展现了其在游戏中的长时推理能力和在开放空间中的交互能力。

据介绍，UI-TARS-1.5基于团队此前提出的原生智能体方案UI-TARS，通过强化学习进一步增强了模型的高阶推理能力，使模型能够在“行动”前先进行“思考”。

对于推理能力的优化，显著提升了模型在面对未知环境和任务时的泛化能力，这使得UI-TARS-1.5在多项主流评测基准上较此前领域最优模型取得了更好表现。

此外，在1.5版本的模型中，豆包大模型团队希望以游戏为载体来增强基础模型的推理能力。

据悉，与数学、编程等领域相比，游戏更多依赖直观的、常识性的推理，并较少依赖专业知识，因此，游戏通常是评估和提升未来模型通用能力的理想测试场景。（郑维汉）