论文页面 - UI-Venus-2 技术报告

来源: https://huggingface.co/papers/2609.00028 发布于 2026年8月27日

#2 每日精选论文 (https://huggingface.co/papers/date/2026-09-02) 作者:

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

UI-Venus-2 是一个通用的多模态图形界面智能体，它使用统一的推理-行动循环、扩展的环境覆盖范围以及鲁棒的验证机制，以实现可靠的现实世界数字自动化。

多模态图形界面智能体 (https://huggingface.co/papers?q=Multimodal%20GUI%20agents)已成为数字任务自动化领域一个极具前景的范式。然而，由于环境覆盖有限、任务构建脆弱以及奖励验证不可靠，从面向基准测试的模型过渡到可靠的现实世界应用仍然面临挑战。本文介绍了 UI-Venus-2，一个基础性的通用图形界面智能体，旨在通过一个统一的闭环推理-行动框架 (https://huggingface.co/papers?q=closed-loop%20reasoning-action%20framework) 跨移动、网络和桌面环境运行。为弥合与实际部署之间的差距，我们联合扩展了三个关键维度：(1) 环境，将覆盖范围扩展至超过170个多种语言的移动应用和原生桌面操作系统；(2) 任务，采用深度研究流水线进行基于功能的指令生成 (https://huggingface.co/papers?q=function-grounded%20instruction%20generation)；(3) 验证，采用具有视觉关键点 (https://huggingface.co/papers?q=visual%20keypoints) 和多模型投票 (https://huggingface.co/papers?q=multi-model%20voting) 的轨迹级和样本级评估器 (https://huggingface.co/papers?q=sample-level%20evaluators)，以确保训练信号 (https://huggingface.co/papers?q=RL%20signals) 的可靠性。此外，我们整合了安全感知机制 (https://huggingface.co/papers?q=safety-aware%20mechanisms) 以确保关键操作的可控执行。UI-Venus-2 作为一个强大、高效且开源的基础模型，推动该领域向着更通用、可验证且具备自我反思能力的现实世界应用智能体迈进。

查看arXiv页面 (https://arxiv.org/abs/2609.00028)查看PDF (https://arxiv.org/pdf/2609.00028)项目页面 (https://ui-venus.github.io/UI-Venus-2/)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.00028)

在你的智能体中获取这篇论文：

hf papers read 2609\.00028

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型1

inclusionAI/UI-Venus-2-9B 图文转文本• 1.47万• 25分钟前更新 • 2.07千 • 20 (https://huggingface.co/inclusionAI/UI-Venus-2-9B)

引用本文的数据集1

inclusionAI/VenusBench-验证码查看器• 19分钟前更新 • 219 • 2 (https://huggingface.co/datasets/inclusionAI/VenusBench-CAPTCHA)

引用本文的空间1

包含本文的收藏集0

没有包含本文的收藏集

将本文添加到收藏集 (https://huggingface.co/new-collection)以从本页面链接它。