Zum Hauptinhalt springen
ToolPotion
KI-Berater
Einreichen

cklxx/laya-browser

KI-ModelleKI-Modelle & LLMsOpen Source · Web

cklxx/laya-browser ist ein Merkmalsextraktionsmodell, das als Entscheidungs-Head für Browser-Agenten feinabgestimmt wurde. Es nutzt ein nicht-autoregressives „System 1“-Entscheidungsmodell, um Operationen und Ziel-Elemente in einer Browser-Umgebung auszuwählen. Dieses Modell ist für Aufgaben konzipiert, die schnelle, einmalige Entscheidungen erfordern, und bietet einen sofortigen Ersatz für bestehende Browser-Automatisierungslösungen und unterstützt verschiedene mehrstufige Aufgaben auf echten Websites.

Modell ansehen
Teilen
Modell ansehen
Teilen

Das cklxx/laya-browser-Modell ist ein spezialisiertes Merkmalsextraktionsmodell mit 0,3 Milliarden Parametern, das als Entscheidungs-Head für Browser-Agenten fungiert. Es ist eine feinabgestimmte Version des `laya`-Modells (convaiinnovations/laya), das als nicht-autoregressives „System 1“-Entscheidungsmodell arbeitet. Im Gegensatz zu traditionellen autoregressiven Modellen verwendet `laya` einen einzigen bidirektionalen Encoder-Durchlauf, um mehrere typisierte Fragen (Auswahl, Punktzahl, noul) mit kalibrierten Wahrscheinlichkeiten zu beantworten, ohne Text zu generieren.

Weiterlesen

Dieses spezielle Repository passt `laya` gezielt für Aufgaben der Browser-Automatisierung an und dient als sofortiger Ersatz für `browser-use/jev-ultrafast`. Es verarbeitet `/v1/systemone`-Anfragen, die der `laya`-Funktion `predict(state, questions)` entsprechen. In jedem Schritt führt das Modell einen Vorwärtsdurchlauf durch, der auf einem vollständigen GPU-Takt etwa 22 Millisekunden dauert, um die geeignete Operation (wie KLICK, TEXT_EINGEBEN, AUSWÄHLEN, ENTER_DRÜCKEN, SCROLLEN oder FERTIG) und das entsprechende Ziel-Element auf einer Webseite auszuwählen.

Das Modell wurde lokal auf einer RTX 4070 Ti SUPER (16 GB) trainiert und evaluiert, ohne auf kostenpflichtige APIs zurückzugreifen. Für Texteingaben und die Auswahl von Dropdown-Werten integriert es sich mit einem lokalen Qwen3-8B-AWQ-Modell. Die aktuelle Version, v19s, ist im Repository-Stamm verfügbar, während frühere Checkpoints in der Commit-Historie zugänglich sind. Updates werden nur veröffentlicht, wenn eine neue Version deutliche Verbesserungen zeigt.

Die Evaluierungsergebnisse heben die Leistung in verschiedenen Suiten hervor. Suite C, die 27 mehrstufige Aufgaben auf realen, zurückgehaltenen Websites umfasst (einschließlich Suche, Filter, Sortierung und Öffnungsoperationen), zeigt, dass v19s etwa 20–26 % Erfolg erzielt, was eine erhebliche Verbesserung gegenüber den 2/54 von v17s darstellt. Suite B, mit 18 Aufgaben auf 18 zurückgehaltenen Websites, hält eine perfekte Punktzahl von 54/54 sowohl für v17s als auch für v19s. In Suite A, die 16 originale Aufgaben auf echten Websites umfasst, erzielte v19s 39/48. Für die zurückgehaltenen synthetischen Formulare von webgym (7 Arten × 10) erreichte v19s 30/70 und verdoppelte damit die 15/70 von v17s. Das Modell zeigt auch eine starke Leistung bei zurückgehaltenen Entscheidungen auf unbekannten Websites (WebChain) für Klickraten und Ziel-Top-1-Genauigkeit.

Die Latenz für eine einzelne Entscheidung beträgt typischerweise 22–27 ms auf einer RTX 4070 Ti SUPER bei vollem Takt. Wenn die GPU jedoch zwischen den Entscheidungen auf Leerlauf-Takt sinkt (aufgrund des Wartens auf das Laden von Seiten), können nachfolgende Entscheidungen 75–270 ms in Anspruch nehmen. Benutzer können den minimalen SM-Takt sperren, um dies zu mildern. Das Modell wird mit `transformers` und `torch` integriert und liefert eigenen Code. Es kann auch über das upstream `laya`-Paket geladen werden. Wichtige Änderungen seit v17s umfassen Verbesserungen des Harness, wie das Warten auf den Abschluss der Navigation, einen „Undo Guard“, um wiederholte Aktionen zu verhindern, eine bessere Handhabung von Formulardaten und Optionen, die in den Sichtbereich gescrollt werden. Die Trainingsdaten wurden auch mit menschlichen Trajektorien von WebChain und DAgger auf webgym erweitert. Aktuelle Einschränkungen umfassen das vorzeitige Stoppen bei mehrstufigen Aufgaben und Probleme mit Seiten, die umfangreiches Scrollen erfordern oder Websites, die headless Chromium blockieren.

  • KategorieKI-Modelle & LLMs
  • PreismodellOpen Source
  • BereitstellungCloud
  • PlattformenWeb

  • Nicht-autoregressives Entscheidungsmodell für die Browser-Automatisierung

  • Einzelner bidirektionaler Encoder-Durchlauf für typisierte Fragen

  • Kalibrierte Wahrscheinlichkeiten für Auswahl-, Punktzahl- und noul-Antworten

  • Sofortiger Ersatz für browser-use/jev-ultrafast

  • Wählt Browser-Operationen (KLICK, TEXT_EINGEBEN, AUSWÄHLEN, ENTER_DRÜCKEN, SCROLLEN, FERTIG)

  • Identifiziert Ziel-Elemente für Operationen

  • Schnelle Entscheidungs-Latenz von ~22 ms bei vollem GPU-Takt

  • Lokal auf RTX 4070 Ti SUPER trainiert und evaluiert

  • Integriert sich mit lokalem Qwen3-8B-AWQ für Texteingaben und Dropdown-Werte

  • Unterstützt mehrstufige Aufgaben auf realen Websites

  • Beinhaltet einen "Undo Guard", um wiederholte Aktionen zu verhindern

  • Verbesserte Handhabung von Platzhaltern, Typen und Mustern in Formularfeldern

  • Bietet Optionen, die aus dem Sichtbereich gescrollt wurden, indem sie in den Sichtbereich gescrollt werden

  • Trainiert mit menschlichen Trajektorien von WebChain und DAgger auf webgym

  • Apache-2.0-Lizenz für den Modellcode

  1. Modellzugriff: Laden Sie das cklxx/laya-browser-Modell von Hugging Face herunter.

  2. Umgebung einrichten: Stellen Sie sicher, dass die Bibliotheken `torch` und `transformers` in Ihrer Python-Umgebung installiert sind.

  3. Integration über API: Verwenden Sie die Funktion `decide`, um Anfragen im trainierten Format des Modells zu erstellen und einen Vorwärtsdurchlauf auszuführen.

  4. Als Ersatz nutzen: Implementieren Sie `m.systemone(body)`, um `jev-ultrafast /v1/systemone`-Anfragen zu beantworten.

  5. Mit Laya-Paket laden: Alternativ können Sie das Modell mit `laya.load("cklxx/laya-browser")` über das upstream `laya`-Paket laden.

  6. Harness-Verbesserungen anwenden: Wenden Sie den `code/jev-ultrafast.patch` auf `jev-ultrafast` an, um die Evaluierung und das Training zu verbessern.

  7. Latenz optimieren: Sperren Sie optional den minimalen SM-Takt der GPU mit `sudo nvidia-smi -lgc 2100,3135`, um die Entscheidungs-Latenz zu reduzieren.

  • Automatisierte Browser-Navigation
  • Web-Datenextraktion
  • Automatisierung der Formularausfüllung
  • Website-Tests
  • Agentenbasierte Web-Interaktion
  • Forschung Daten Sammlung
  • Wiederholende Online-Aufgaben

cklxx/laya-browser Bewertungen

Wird geladen...

Beliebte KI-Tools wie cklxx/laya-browser

AutoTrust-JEV-27B v1.1 ist ein Textentscheidungsmodell, das entwickelt wurde, um Wahrscheinlichkeiten für Antwortoptionen bei verschiedenen Fragen zuzuweisen. Es zeichnet sich…

KI-Modelle & LLMs
Tool ansehen

Textentscheidungsmodell, das entwickelt wurde, um Wahrscheinlichkeiten für Antwortoptionen bei verschiedenen Fragen zuzuweisen. Es zeichnet sich…AutoTrust-JEV-27B v1.1 ist ein Textentscheidungsmodell, das entwickelt wurde, um Wahrscheinlichkeiten für Antwortoptionen bei verschiedenen Fragen zuzuweisen. Es zeichnet sich…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Clef

KI-Modelle

Clef ist ein 27B multimodales Modell, das entwickelt wurde, um einen Zustand und ein Schema typisierter Fragen in Entscheidungen umzuwandeln. Es verarbeitet Eingaben wie Text,…

KI-Modelle & LLMs
Tool ansehen

KI-Modelle

27B multimodales Modell, das entwickelt wurde, um einen Zustand und ein Schema typisierter Fragen in Entscheidungen umzuwandeln. Es verarbeitet Eingaben wie Text,…Clef ist ein 27B multimodales Modell, das entwickelt wurde, um einen Zustand und ein Schema typisierter Fragen in Entscheidungen umzuwandeln. Es verarbeitet Eingaben wie Text,…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

GLiDE 27B ist ein Entscheidungsmodell mit 27 Milliarden Parametern, das von Fastino entwickelt wurde. Es verarbeitet Zustände, die Text, JSON und optionale Bilder enthalten, um…

KI-Modelle & LLMs

Platz 76 in LLMs

Tool ansehen

Entscheidungsmodell mit 27 Milliarden Parametern, das von Fastino entwickelt wurde. Es verarbeitet Zustände, die Text, JSON und optionale Bilder enthalten, um…GLiDE 27B ist ein Entscheidungsmodell mit 27 Milliarden Parametern, das von Fastino entwickelt wurde. Es verarbeitet Zustände, die Text, JSON und optionale Bilder enthalten, um…

KI-Modelle & LLMs
Platz 76 in LLMs

Jev Ultrafast Agent ist eine kostenlose Browsererweiterung für Chrome und Edge, die Aufgaben auf Webseiten mithilfe Ihres gewählten KI-Modells automatisiert. Sie interagiert…

Browser- & Web-Automatisierung
Tool ansehen

Kostenlose Browsererweiterung für Chrome und Edge, die Aufgaben auf Webseiten mithilfe Ihres gewählten KI-Modells automatisiert. Sie interagiert…Jev Ultrafast Agent ist eine kostenlose Browsererweiterung für Chrome und Edge, die Aufgaben auf Webseiten mithilfe Ihres gewählten KI-Modells automatisiert. Sie interagiert…

Browser- & Web-Automatisierung
Top 250 KI-Apps ansehen

StartLux-Decision

KI-GitHub-Repos

StartLux-Decision bietet offene Entscheidungsmodelle mit 0,8B bis 27B Parametern und liefert kalibrierte Wahrscheinlichkeiten für jede Option. Es generiert prägnante Gedanken bei…

KI-Modelle & LLMs
Tool ansehen

KI-GitHub-Repos

Bietet offene Entscheidungsmodelle mit 0,8B bis 27B Parametern und liefert kalibrierte Wahrscheinlichkeiten für jede Option. Es generiert prägnante Gedanken bei…StartLux-Decision bietet offene Entscheidungsmodelle mit 0,8B bis 27B Parametern und liefert kalibrierte Wahrscheinlichkeiten für jede Option. Es generiert prägnante Gedanken bei…

KI-Modelle & LLMs
Top 250 KI-GitHub-Repos ansehen

DeepSeek-v3 bietet sofortige KI-Lösungen, die auf fortschrittlicher MoE-Architektur und modernsten Sprachmodellen basieren. Erleben Sie Spitzen-KI-Fähigkeiten mit diesem stabilen,…

KI-Modelle & LLMs
Tool ansehen

Bietet sofortige KI-Lösungen, die auf fortschrittlicher MoE-Architektur und modernsten Sprachmodellen basieren. Erleben Sie Spitzen-KI-Fähigkeiten mit diesem stabilen,…DeepSeek-v3 bietet sofortige KI-Lösungen, die auf fortschrittlicher MoE-Architektur und modernsten Sprachmodellen basieren. Erleben Sie Spitzen-KI-Fähigkeiten mit diesem stabilen,…

KI-Modelle & LLMs
Top 250 KI-Apps ansehen

Browser Harness

KI-GitHub-Repos

Browser Harness ist ein selbstheilendes Framework, das großen Sprachmodellen (LLMs) ermöglicht, jede Aufgabe in einer Browserumgebung zu erledigen. Es bietet robuste…

Browser- & Web-Automatisierung

Platz 78 in Browser- & Web-Automatisierung

Tool ansehen

KI-GitHub-Repos

Selbstheilendes Framework, das großen Sprachmodellen (LLMs) ermöglicht, jede Aufgabe in einer Browserumgebung zu erledigen. Es bietet robuste…Browser Harness ist ein selbstheilendes Framework, das großen Sprachmodellen (LLMs) ermöglicht, jede Aufgabe in einer Browserumgebung zu erledigen. Es bietet robuste…

Browser- & Web-Automatisierung
Platz 78 in Browser- & Web-Automatisierung

Browser Use ist eine Open-Source-Plattform für Browserautomatisierung, die für KI-Agenten entwickelt wurde. Sie bietet Tools für die Webinteraktion, einschließlich nicht…

Browser- & Web-Automatisierung

Platz 36 in KI-Agenten

Tool ansehen

Open-Source-Plattform für Browserautomatisierung, die für KI-Agenten entwickelt wurde. Sie bietet Tools für die Webinteraktion, einschließlich nicht…Browser Use ist eine Open-Source-Plattform für Browserautomatisierung, die für KI-Agenten entwickelt wurde. Sie bietet Tools für die Webinteraktion, einschließlich nicht…

EmpfohlenBrowser- & Web-Automatisierung
Platz 36 in KI-Agenten
1 von 8