GPA-LM
★ 161
vs
UI-TARS-desktop
★ 39.4k
GPA-LM vs UI-TARS-desktop
GPA-LM：该仓库是一个专注于游戏智能体与大型语言模型交叉领域研究论文的综合集合。它涵盖了各种方法、应用和挑战，并提供了基于大型语言模型的游戏智能体领域最新进展的动态时间线。；UI-TARS-desktop：UI-TARS Desktop 是 TARS 多模态 AI 智能体技术栈的桌面应用组件，通过截图理解屏幕内容并与计算机 GUI 交互，支持执行 Shell 命令和浏览器工具，集成 MCP 扩展 Agent 能力。
01
简评
GPA-LMVision / Multimodal · ★ 161
了解基于大型语言模型的游戏智能体领域的最新研究进展。
UI-TARS-desktopVision / Multimodal · ★ 39.4k
何时选择它（优势与适用）：
- 需要一款基于原生视觉模型的桌面端 GUI 智能体，直接通过看懂屏幕画面、端到端模拟鼠标点击与键盘输入来操作应用。
- 希望拥有一款跨 macOS、Windows 和 Linux 的开源多模态桌面自动化软件，胜任跨软件协同任务。
何时考虑替代方案：
- 操作对象仅为纯 Web 网页；直接通过 Playwright 或 Scrapling 操作 DOM 树比纯视觉模拟点击更快、更稳定。
- 本地或服务端缺乏充足的 GPU 算力或支持高分辨率视觉推理的多模态模型调用预算。
02
并排对比
03
功能特性
GPA-LM01精选的游戏智能体与大型模型研究论文列表。
02定期更新最新论文及其相关代码/项目链接。
03按发表月份分类，便于按时间顺序追踪研究进展。
04提供 arXiv PDF 和项目页面的直接链接。
05涵盖基于大型语言模型的游戏智能体多样化主题，包括多智能体系统和具身人工智能。
UI-TARS-desktop01原生 GUI 智能体，通过截图理解屏幕并与桌面应用交互
02多模态 LLM 驱动的任意 UI 视觉理解
03内置浏览器自动化和 Shell 命令执行
04MCP 集成，通过自定义工具扩展 Agent 能力
05跨平台桌面应用，提供 Web UI 选项
04
使用场景
GPA-LM↳了解基于大型语言模型的游戏智能体领域的最新研究进展。
↳为学术研究或项目开发查找相关论文和代码库。
↳追踪大型语言模型在游戏玩法中演变和趋势。
UI-TARS-desktop↳通过视觉点击无 API 的桌面 GUI 工作流自动化
↳构建结合屏幕理解、网页和文件操作的多模态 Agent
↳通过自然语言指令在桌面执行 AI 辅助计算机任务
05
适合场景
GPA-LM宝藏工具
UI-TARS-desktop最受欢迎必备神器时下流行
FAQ
常见问题
GPA-LM 和 UI-TARS-desktop 有什么区别？
GPA-LM 和 UI-TARS-desktop 都属于 Vision / Multimodal 类别。GPA-LM 有 161 Stars，UI-TARS-desktop 有 39.4k Stars。
GPA-LM 和 UI-TARS-desktop 哪个更好？
最佳选择取决于你的具体需求。了解基于大型语言模型的游戏智能体领域的最新研究进展。 时选 GPA-LM，通过视觉点击无 API 的桌面 GUI 工作流自动化 时选 UI-TARS-desktop。
GPA-LM 是免费的吗？
是的，GPA-LM 在 GitHub 开源。
UI-TARS-desktop 是免费的吗？
是的，UI-TARS-desktop 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→