微软发布首个7B参数计算机操控智能体模型Fara-7B

robot
摘要生成中
AIMPACT 消息,5 月 16 日(UTC+8),微软推出 Fara-7B,这是其首个专为计算机使用场景设计的 7B 参数智能体小语言模型。该模型采用多模态解码器架构,能接收截图图像和文本上下文,直接预测带参数的思维链和操作动作。基于 Qwen 2.5-VL(7B)构建,支持 128k 上下文长度,在 64 块 H100 GPU 上训练 2.5 天,采用 MIT 许可证于 2025 年 11 月 24 日发布。Fara-7B 通过截图感知浏览器输入,结合内部推理和历史状态记录预测下一步操作及参数(如点击坐标),训练依赖大规模全合成数据集。模型能规划和执行高级任务(如预订餐厅、申请工作、规划旅行等)。在安全对齐方面,采用稳健后训练方法,具备关键点识别能力,能拒绝七类违反使用政策的任务,并在输入个人信息、完成购买等关键停止点暂停操作。用户可通过 GitHub 仓库、vllm 和 fara-cli 工具进行部署和交互查询,主要应用于自动化网页任务。(来源:InFoQ)
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 8
  • 3
  • 分享
评论
请输入评论内容
请输入评论内容
Airdrop Nightwatch
· 4小时前
浏览器自动化这块,感觉要和 Browser-use、Computer-use 正面刚了
回复0
MintCondition
· 4小时前
网页任务自动化,终于不用写一堆 selector 了
回复0
Gas费省一点
· 4小时前
后训练对齐花了多少比例的数据?论文快放出来
回复0
GateUser-83c80dd0
· 4小时前
7B 参数做 agent 规划,轻量但能力边界得实测
回复0
GateUser-bee672a5
· 4小时前
fara-cli 部署体验待测试,希望别像某些项目文档稀烂
回复0
半剖多肉透视
· 4小时前
坐标预测+思维链,细粒度控制比纯文本 API 强多了
回复0
0xLateCoffee
· 4小时前
128k 上下文+截图感知,这组合有点东西
回复0
Candle Chaser
· 4小时前
MIT 许可好评,7B 能跑本地了
回复0