UI-TARS 是字节跳动开源一种能够自我学习的 GUI Agent ，下一代原生 GUI 代理模型，旨在使用类似人类的感知、推理和操作功能与图形用户界面（GUI）无缝交互。与传统的模块化框架不同，UI-TARS 将所有关键组件——感知、推理、反思和记忆——集成在一个视觉语言 ...

今天我更想聊聊它背后的技术：Computer use，这个概念最早由 Anthropic 在 24年11月提出，虽然国内讨论的声浪并不大，但这种通过 LLM 自行操作计算机系统，进而实现更通用 Agent 能力的技术，却又非常大的想象空间，国外有不少厂商陆续跟进，做出了许多优秀作品。