UI-Venus-2技术报告：面向多环境的通用GUI智能体

多模态 GUI 代理已成为数字任务自动化中一种极具前景的范式，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，从面向基准的模型过渡到可靠的实际应用仍然充满挑战。在本工作中，我们提出了 UI-Venus-2，这是一种通用型基础 GUI 代理，旨在通过统一的闭环推理-行动框架在移动、Web 和桌面环境中运行。为了弥合向实际部署过渡的差距，我们共同扩展了三个关键维度：(1) 环境，将覆盖范围扩展到超过 170 种多语言移动应用和本地桌面操作系统；(2) 任务，采用深度研究管道进行基于功能的指令生成；以及 (3) 验证，采用具有视觉关键点和多模型投票的轨迹级和样本级评估器，以确保训练过程中可靠的强化学习信号。此外，我们集成了安全感知机制，以确保后果性行动的受控执行。通过提供一个强大、高效且开源的基础，UI-Venus-2 推动了该领域向更具泛化能力、可验证性和自我反思能力的代理发展，以应用于现实世界。