大型语言模型（LLM）的快速发展驱动了能够自主执行复杂任务的代理系统的开发。尽管具有令人印象深刻的功能，但LLM仍受其内部知识边界的限制。为了克服这些局限性，已经提出了深入研究的范式，其中代理商积极参与计划，检索和综合，以产生基于Web的证据以基于Web的证据为基础的全面和忠实的分析报告 ...

最近，旨在自动化日常移动和网络任务的基于视觉的GUI代理。这些代理商解释了RAW GUI屏幕截图，并自主决定在哪里单击，滚动或类型，该截图绕过手工制作的规则和特定于应用程序的API。但是，大多数现有方法使用预采用的轨迹在离线环境中训练了GUI代理 ...

用于图形用户界面（GUI）的自主代理的开发提出了人工智能的主要挑战。尽管本地代理模型的最新进展通过终端学习统一，推理，行动和记忆表现出了希望，但在数据可扩展性，多转弯加固学习（RL），GUI-FOLLY操作的局限性和环境稳定性中仍然存在开放性问题。在这份技术报告中，我们提出了一个以GUI为中心的代理模型UI-TARS-2，该模型通过系统培训方法来解决这些挑战：可扩展数据生成的数据飞轮，稳定的多转移 ...

图形用户界面（GUI）代理通过使用计算机视觉和语言模型来自动化数字任务方面取得了重大进展。然而，现有的代理系统遇到了显着的局限性。首先，它们主要取决于反复试验的决策，而不是渐进的推理，因此缺乏学习和适应交互式相遇的能力 ...

在这项工作中，我们通过分散控制，原始感官观察，昂贵的沟通和在各种体现环境中实例化的多目标任务来解决具有挑战性的多机构合作问题。虽然先前的研究要么以无需成本的通信渠道为前提，要么依赖具有共同观察结果的集中式控制器，但我们利用常识性知识，推理能力，语言理解和LLMS的文本生成能力，并将它们无缝地纳入认知启发的模块化框架中，这些模块化框架与感知，记忆，记忆和执行。因此，建立了一个合作体现的语言特工科拉（ ...

当前的测试时间缩放范围依赖于在产生响应之前生成较长的推理轨迹（“更多”）。在需要互动的代理问题中，这可以通过在世界上行动之前产生思维痕迹来完成。但是，此过程不允许代理商从环境中获取新信息或随着时间的推移调整其行为 ...

第六代（6G）无线网络和物联网（IoT）的快速扩展促进了从集中式云情报到分散的边缘一般智能的发展。但是，传统的边缘智能方法以静态模型和有限的认知自治为特征，无法解决新兴边缘网络固有的动态，异质和资源约束的方案。代理人人工智能（Agesic AI）作为一种变革性解决方案出现，使边缘系统能够自主感知多模式环境，理性在上下文上，并通过连续的感知反应循环积极地适应 ...

边缘通用智能（EGI）代表边缘计算的变革性演变，其中分布式药物具有在不同的，动态的环境中自主性自主行动的能力。这个愿景的核心是世界模型，它们充当主动的内部模拟器，不仅可以预测，而且还可以积极地想象未来的轨迹，不确定性下的理性以及具有远见卓识的多步骤行动。这种积极主动的本质使代理商可以预测潜在的结果并在现实世界相互作用之前优化决策 ...