Descripción
El modelo cklxx/laya-browser es un modelo de extracción de características especializado, con 0.3 mil millones de parámetros, diseñado para funcionar como una cabeza de decisión de agente de navegador. Es una versión ajustada del modelo `laya` (convaiinnovations/laya), que opera como un modelo de decisión "Sistema 1" no autorregresivo. A diferencia de los modelos autorregresivos tradicionales, `laya` utiliza un único pase de codificador bidireccional para responder a varias preguntas tipadas (elección, puntuación, noul) con probabilidades calibradas, sin generar texto.
Leer más
Este repositorio en particular ajusta `laya` específicamente para tareas de automatización de navegadores, sirviendo como un reemplazo directo para `browser-use/jev-ultrafast`. Procesa solicitudes de `/v1/systemone`, que reflejan la función `predict(state, questions)` de `laya`. En cada paso, el modelo realiza un pase hacia adelante, tomando aproximadamente 22 milisegundos en un reloj de GPU completo, para seleccionar la operación apropiada (como CLICK, TYPE_TEXT, SELECT, PRESS_ENTER, SCROLL o DONE) y su correspondiente elemento objetivo en una página web.
El modelo fue entrenado y evaluado localmente en una RTX 4070 Ti SUPER (16 GB) sin depender de APIs de pago. Para la entrada de texto y la selección de valores de menú desplegable, se integra con un modelo local Qwen3-8B-AWQ. La versión actual, v19s, está disponible en la raíz del repositorio, con puntos de control anteriores accesibles en el historial de commits. Las actualizaciones solo se publican cuando una nueva versión demuestra mejoras claras.
Los resultados de evaluación destacan su rendimiento en varias suites. La Suite C, que involucra 27 tareas de múltiples pasos en sitios reales retenidos (incluyendo búsqueda, filtros, ordenación y operaciones abiertas), muestra que v19s logra aproximadamente un 20–26% de éxito, una mejora significativa respecto al 2/54 de v17s. La Suite B, con 18 tareas en 18 sitios retenidos, mantiene una puntuación perfecta de 54/54 tanto para v17s como para v19s. En la Suite A, que comprende 16 tareas originales en sitios reales, v19s obtuvo 39/48. Para formularios sintéticos retenidos de webgym (7 tipos × 10), v19s logró 30/70, duplicando el 15/70 de v17s. El modelo también demuestra un rendimiento sólido en decisiones retenidas en sitios no vistos (WebChain) para la operación de clic y precisión objetivo top-1.
La latencia para una sola decisión es típicamente de 22–27 ms en una RTX 4070 Ti SUPER a reloj completo. Sin embargo, si la GPU baja a relojes inactivos entre decisiones (debido a la espera de la carga de páginas), las decisiones subsiguientes pueden tardar de 75 a 270 ms. Los usuarios pueden bloquear el reloj mínimo de SM para mitigar esto. El modelo se integra utilizando `transformers` y `torch`, enviando su propio código. También se puede cargar a través del paquete `laya` de upstream. Los cambios clave desde v17s incluyen mejoras en el arnés, como esperar a que la navegación se complete, un "guardia de deshacer" para prevenir acciones repetitivas, mejor manejo de datos de campos de formulario y opciones de desplazamiento para llevarlas a la vista. Los datos de entrenamiento también se ampliaron con trayectorias humanas de WebChain y DAgger en webgym. Las limitaciones actuales incluyen detenerse demasiado pronto en tareas de múltiples pasos y problemas con páginas que requieren desplazamiento extenso o sitios que bloquean Chromium sin cabeza.
- CategoríaModelos de IA y LLM
- Modelo de preciosCódigo abierto
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de cklxx/laya-browser
Modelo de decisión no autorregresivo para automatización de navegadores
Pase de codificador bidireccional único para preguntas tipadas
Probabilidades calibradas para respuestas de elección, puntuación y noul
Reemplazo directo para browser-use/jev-ultrafast
Selecciona operaciones de navegador (CLICK, TYPE_TEXT, SELECT, PRESS_ENTER, SCROLL, DONE)
Identifica elementos objetivo para operaciones
Latencia de decisión rápida de ~22 ms en reloj de GPU completo
Entrenado y evaluado localmente en RTX 4070 Ti SUPER
Se integra con Qwen3-8B-AWQ local para entrada de texto y valores de menú desplegable
Soporta tareas de múltiples pasos en sitios web del mundo real
Incluye un "guardia de deshacer" para prevenir acciones repetitivas
Mejor manejo de marcadores de posición, tipos y patrones de campos de formulario
Ofrece opciones desplazadas fuera de vista llevándolas a la vista
Entrenado con trayectorias humanas de WebChain y DAgger en webgym
Licencia Apache-2.0 para el código del modelo
Primeros pasos con cklxx/laya-browser
Acceder al Modelo: Descargue el modelo cklxx/laya-browser desde Hugging Face.
Configurar el Entorno: Asegúrese de que las bibliotecas `torch` y `transformers` estén instaladas en su entorno de Python.
Integrar a través de API: Utilice la función `decide` para construir solicitudes en el formato entrenado del modelo y ejecutar un pase hacia adelante.
Utilizar como Reemplazo: Implemente `m.systemone(body)` para responder a solicitudes `jev-ultrafast /v1/systemone`.
Cargar con el Paquete Laya: Alternativamente, cargue el modelo utilizando `laya.load("cklxx/laya-browser")` con el paquete `laya` de upstream.
Aplicar Mejoras en el Arnés: Aplique el `code/jev-ultrafast.patch` a `jev-ultrafast` para mejorar la evaluación y la configuración de entrenamiento.
Optimizar la Latencia: Opcionalmente, bloquee el reloj mínimo de SM de la GPU utilizando `sudo nvidia-smi -lgc 2100,3135` para reducir la latencia de decisión.
Casos de uso de cklxx/laya-browser
- Navegación Automatizada en Navegadores
- Extracción de Datos Web
- Automatización de Rellenado de Formularios
- Pruebas de Sitios Web
- Interacción Web Basada en Agentes
- Recolección de Datos para Investigación
- Tareas Repetitivas en Línea






