AIMPACT メッセージ、2023年5月16日(UTC+8)、MicrosoftはFara-7Bをリリースしました。これは、コンピュータ使用シナリオ向けに設計された最初の7Bパラメータのインテリジェントエージェント小型言語モデルです。このモデルはマルチモーダルデコーダアーキテクチャを採用し、スクリーンショット画像とテキストコンテキストを受け取り、パラメータ付きの思考チェーンと操作アクションを直接予測します。Qwen 2.5-VL(7B)を基盤に構築され、128kのコンテキスト長をサポートし、64台のH100 GPU上で2.5日間のトレーニングを行い、MITライセンスの下で2025年11月24日に公開されます。Fara-7Bはスクリーンショットを認識してブラウザ入力を理解し、内部推論と履歴状態記録を組み合わせて次の操作とパラメータ(例:クリック座標)を予測します。トレーニングは大規模な合成データセットに依存しています。このモデルは高レベルのタスク(例:レストラン予約、仕事応募、旅行計画など)を計画・実行できます。安全性の調整には堅牢な後学習手法を採用し、重要点認識能力を備え、7種類のポリシー違反タスクを拒否し、個人情報入力や購入完了などの重要な停止点で操作を一時停止します。ユーザーはGitHubリポジトリ、vllm、fara-cliツールを通じて展開・対話が可能で、主にウェブ自動化タスクに利用されます。(出典:InFoQ)
マイクロソフトは最初の7Bパラメータのコンピュータ操作エージェントモデルFara-7Bを発表しました