MintAct: 디지털 환경을 위한 통합 시각 에이전트

• MintAct는 UI 인식, 다중 단계 내비게이션, 시각적 도구 사용을 통합한 비전-언어 모델이다. • 2B, 4B, 8B 규모로 훈련되어 각 도메인 전문 모델과 동등한 성능을 보인다. • 확장 가능한 환경과 강화 학습 인프라를 통해 다양한 벤치마크에서 최첨단 성능을 달성했다.