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
  • 9
  • 3
  • 分享
评论
请输入评论内容
请输入评论内容
GateUser-53a6e1a8
· 3小时前
安全对齐能拒绝违规任务,这点比AutoGPT那辈靠谱
回复0
蓝牡丹的预言
· 3小时前
Qwen 2.5-VL底子不错,但多模态Agent赛道卷疯了
回复0
海盐味空投
· 3小时前
网页自动化这块,Playwright+LLM的缝合怪们要失业了
回复0
GateUser-4bd1cc87
· 3小时前
MIT许可好评,7B参数能跑本地了
回复0
雨后玻璃城
· 3小时前
fara-cli部署简单吗?有Docker镜像没
回复0
GateUser-8da82d63
· 3小时前
全合成数据训练,泛化能力存疑,等实测
回复0
LateAlphaCourier
· 3小时前
128k上下文够我把整个网页塞进去了吧
回复0
霓虹桥下的空投
· 3小时前
截图+文本直接预测坐标,浏览器自动化要变天
回复0
Candle Chaser
· 3小时前
64张H100训两天半,这成本我算不过来了
回复0
查看更多