Microsoft lanza el primer modelo de agente inteligente controlado por computadora con 7 mil millones de parámetros, Fara-7B

robot
Generación de resúmenes en curso
AIMPACT Mensaje, 16 de mayo (UTC+8), Microsoft lanzó Fara-7B, su primer modelo de lenguaje inteligente de 7 mil millones de parámetros diseñado específicamente para escenarios de uso en computadoras.
El modelo utiliza una arquitectura de decodificador multimodal, capaz de recibir imágenes de capturas de pantalla y contexto de texto, prediciendo directamente cadenas de pensamiento parametrizadas y acciones operativas.
Construido sobre Qwen 2.5-VL (7B), soporta una longitud de contexto de 128k, entrenado durante 2.5 días en 64 GPU H100, y lanzado bajo licencia MIT el 24 de noviembre de 2025.
Fara-7B percibe entradas del navegador mediante capturas de pantalla, combinando razonamiento interno y registro del estado histórico para predecir la siguiente acción y sus parámetros (como coordenadas de clic), entrenado con un conjunto de datos sintéticos a gran escala.
El modelo puede planificar y ejecutar tareas avanzadas (como reservar restaurantes, solicitar empleos, planificar viajes, etc.).
En cuanto a alineación de seguridad, utiliza métodos de entrenamiento posterior robusto, posee capacidad de reconocimiento de puntos clave, puede rechazar siete tipos de tareas que violen las políticas de uso, y en puntos críticos como ingresar información personal o completar compras, pausa la operación.
Los usuarios pueden desplegar e interactuar mediante repositorios en GitHub, vllm y la herramienta fara-cli, principalmente para tareas automatizadas en páginas web.
(Fuente: InFoQ)
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • 11
  • Republicar
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
MintCondition
· hace8h
Post-entrenamiento de alineación segura + pausa en puntos clave, esta idea de diseño claramente refleja las lecciones aprendidas
Ver originalResponder0
DepegDaydream
· hace8h
Entrenamiento con datos sintéticos completos, el ciclo de datos está cerrado, y los costos de iteración futuros serán cada vez menores.
Ver originalResponder0
BlueberryStakingMachine
· hace9h
Procesar capturas de pantalla y texto simultáneamente, la multimodalidad finalmente ya no es solo una novedad, sino una necesidad real
Ver originalResponder0
LatencyMonk
· hace9h
64 tarjetas H100 entrenando 2.5 días, este costo y eficiencia son más bajos de lo que imaginaba
Ver originalResponder0
BridgeAnxiety
· hace9h
Predecir coordenadas y parámetros es demasiado crucial, antes con GPT-4V todavía tenía que hacer procesamiento posterior uno mismo
Ver originalResponder0
YieldBento
· hace9h
fara-cli interacción directa por línea de comandos, alegría de los geeks, lo probaré mañana
Ver originalResponder0
BluePeonyDoesn'tDrop
· hace9h
Puede rechazar tareas que violen las reglas y además pausar de forma proactiva, esto hace que la alineación de seguridad sea más cuidadosa que algunos modelos de código cerrado.
Ver originalResponder0
PurpleMistLily
· hace9h
¡Con 128k de contexto y percepción de capturas de pantalla, la automatización del navegador finalmente ya no requiere escribir un montón de XPath!
Ver originalResponder0
LonelyStoneUnderTheAurora
· hace9h
La licencia MIT significa que se puede modificar y usar comercialmente, las empresas de envoltura nacionales están preparadas
Ver originalResponder0
IdleFishDaoMember
· hace9h
Qwen 2.5-VL base + datos sintéticos, la ruta de datos sintéticos se vuelve cada vez más dominante
Ver originalResponder0
Ver más