メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

cklxx/laya-browser

AI モデルAIモデルとLLMオープンソース · Web

cklxx/laya-browserは、ブラウザエージェントの意思決定ヘッドとして微調整された特徴抽出モデルです。非自己回帰型の「システム1」意思決定モデルを利用して、ブラウザ環境内で操作やターゲット要素を選択します。このモデルは、迅速な単一パスの意思決定を必要とするタスク向けに設計されており、既存のブラウザ自動化ソリューションの代替として利用でき、さまざまな実サイトの多段階タスクをサポートします。

モデルを見る
共有
モデルを見る
共有

cklxx/laya-browserモデルは、0.3億のパラメータを持つ専門的な特徴抽出モデルで、ブラウザエージェントの意思決定ヘッドとして機能するように設計されています。これは、非自己回帰型の「システム1」意思決定モデルとして動作する`laya`モデル(convaiinnovations/laya)の微調整版です。従来の自己回帰モデルとは異なり、`laya`は単一の双方向エンコーダーパスを使用して、テキストを生成することなく、キャリブレーションされた確率で複数のタイプの質問(選択、スコア、noul)に回答します。

続きを読む

この特定のリポジトリは、ブラウザ自動化タスク向けに特に`laya`を微調整しており、`browser-use/jev-ultrafast`の代替として機能します。`/v1/systemone`リクエストを処理し、これは`laya`の`predict(state, questions)`関数を反映しています。各ステップで、モデルは1回のフォワードパスを実行し、フルGPUクロックで約22ミリ秒かかり、適切な操作(CLICK、TYPE_TEXT、SELECT、PRESS_ENTER、SCROLL、DONEなど)とその対応するターゲット要素をウェブページ上で選択します。

モデルは、RTX 4070 Ti SUPER(16 GB)上でローカルにトレーニングおよび評価され、商用APIには依存していません。テキスト入力とドロップダウン値の選択には、ローカルのQwen3-8B-AWQモデルと統合されています。現在のバージョンv19sはリポジトリのルートにあり、以前のチェックポイントはコミット履歴でアクセス可能です。新しいバージョンが明確な改善を示す場合にのみ、更新がリリースされます。

評価結果は、さまざまなスイートにおけるパフォーマンスを強調しています。スイートCでは、27の多段階タスクが保持された実サイトで行われ(検索、フィルター、ソート、オープン操作を含む)、v19sは約20〜26%の成功率を達成し、v17sの2/54から大幅に改善されました。スイートBでは、18のタスクが18の保持されたサイトで行われ、v17sとv19sの両方で完璧な54/54のスコアを維持しています。スイートAでは、16の元の実サイトタスクでv19sが39/48のスコアを獲得しました。webgymの保持された合成フォーム(7種類×10)では、v19sが30/70を達成し、v17sの15/70を倍増させました。モデルは、クリック操作とターゲットのトップ1精度に関して、見えないサイト(WebChain)での保持された意思決定においても強力なパフォーマンスを示しています。

単一の意思決定のレイテンシは、通常、RTX 4070 Ti SUPERのフルクロックで22〜27ミリ秒です。ただし、GPUが意思決定間でアイドルクロックに落ちると(ページの読み込みを待っているため)、その後の意思決定には75〜270ミリ秒かかることがあります。ユーザーは、最小SMクロックをロックしてこれを軽減できます。モデルは`transformers`と`torch`を使用して統合され、自身のコードを出荷します。また、上流の`laya`パッケージを介してもロードできます。v17s以降の主な変更には、ナビゲーションの完了を待つためのハーネスの改善、「アンドゥガード」による繰り返しアクションの防止、フォームフィールドデータのより良い処理、ビューにスクロールするオプションが含まれています。トレーニングデータは、WebChainの人間の軌跡とwebgymでのDAggerで拡張されました。現在の制限には、多段階タスクでの早すぎる停止や、広範なスクロールを必要とするページやヘッドレスChromiumをブロックするサイトに関する問題が含まれます。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド
  • プラットフォームWeb

  • ブラウザ自動化のための非自己回帰型意思決定モデル

  • タイプされた質問に対する単一の双方向エンコーダーパス

  • 選択、スコア、noulの回答に対するキャリブレーションされた確率

  • browser-use/jev-ultrafastの代替

  • ブラウザ操作(CLICK、TYPE_TEXT、SELECT、PRESS_ENTER、SCROLL、DONE)を選択

  • 操作のためのターゲット要素を特定

  • フルGPUクロックでの約22ミリ秒の迅速な意思決定レイテンシ

  • RTX 4070 Ti SUPERでローカルにトレーニングおよび評価

  • テキスト入力とドロップダウン値のためにローカルのQwen3-8B-AWQと統合

  • 実世界のウェブサイトでの多段階タスクをサポート

  • 繰り返しアクションを防ぐための「アンドゥガード」を含む

  • フォームフィールドのプレースホルダー、タイプ、パターンの処理が改善

  • ビューから外れたオプションをビューにスクロールして提供

  • WebChainの人間の軌跡とwebgymでのDAggerでトレーニング

  • モデルコードのApache-2.0ライセンス

  1. モデルにアクセス: Hugging Faceからcklxx/laya-browserモデルをダウンロードします。

  2. 環境を設定: Python環境に`torch`と`transformers`ライブラリがインストールされていることを確認します。

  3. API経由で統合: `decide`関数を使用して、モデルのトレーニングされた形式でリクエストを構築し、フォワードパスを実行します。

  4. 代替として利用: `m.systemone(body)`を実装して、`jev-ultrafast /v1/systemone`リクエストに回答します。

  5. Layaパッケージでロード: 代わりに、上流の`laya`パッケージを使用して`laya.load("cklxx/laya-browser")`でモデルをロードします。

  6. ハーネスの改善を適用: `jev-ultrafast`に`code/jev-ultrafast.patch`を適用して、評価とトレーニングのセットアップを改善します。

  7. レイテンシを最適化: オプションで、`sudo nvidia-smi -lgc 2100,3135`を使用してGPUの最小SMクロックをロックし、意思決定のレイテンシを減少させます。

  • 自動ブラウザナビゲーション
  • ウェブデータ抽出
  • フォーム入力の自動化
  • ウェブサイトテスト
  • エージェントベースのウェブインタラクション
  • 研究データ収集
  • 繰り返しオンラインタスク

cklxx/laya-browser のレビュー

読み込み中...

cklxx/laya-browser に似た人気のAIツール

AutoTrust-JEV-27B v1.1は、さまざまな質問に対する回答オプションに確率を割り当てるために設計されたテキスト意思決定モデルです。ツール選択、意図分類、自動化の決定に優れており、構造化された意思決定タスクにとって貴重な資産となります。

AIモデルとLLM
ツールを見る

さまざまな質問に対する回答オプションに確率を割り当てるために設計されたテキスト意思決定モデルです。ツール選択、意図分類、自動化の決定に優れており、構造化された意思決定タスクにとって貴重な資産となります。AutoTrust-JEV-27B v1.1は、さまざまな質問に対する回答オプションに確率を割り当てるために設計されたテキスト意思決定モデルです。ツール選択、意図分類、自動化の決定に優れており、構造化された意思決定タスクにとって貴重な資産となります。

AIモデルとLLM
AI モデル トップ5を見る

Clef

AI モデル

Clefは、タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。

AIモデルとLLM
ツールを見る

AI モデル

タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。Clefは、タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。

AIモデルとLLM
AI モデル トップ5を見る

GLiDE 27Bは、Fastinoによって開発された270億パラメータの意思決定モデルです。テキスト、JSON、およびオプションの画像を含む状態を処理し、各オプションの確率を伴って入力された質問に回答します。このモデルは、分類、ルーティング、スコアリングタスクに最適であり、さまざまな意思決定アプリケーションに対して正確で非生成的な確率出力を提供します。

AIモデルとLLM

LLMで第76位

ツールを見る

Fastinoによって開発された270億パラメータの意思決定モデルです。テキスト、JSON、およびオプションの画像を含む状態を処理し、各オプションの確率を伴って入力された質問に回答します。このモデルは、分類、ルーティング、スコアリングタスクに最適であり、さまざまな意思決定アプリケーションに対して正確で非生成的な確率出力を提供します。GLiDE 27Bは、Fastinoによって開発された270億パラメータの意思決定モデルです。テキスト、JSON、およびオプションの画像を含む状態を処理し、各オプションの確率を伴って入力された質問に回答します。このモデルは、分類、ルーティング、スコアリングタスクに最適であり、さまざまな意思決定アプリケーションに対して正確で非生成的な確率出力を提供します。

AIモデルとLLM
LLMで第76位

Jev Ultrafast Agentは、選択したAIモデルを使用してウェブページ上のタスクを自動化するための無料のChromeおよびEdge用ブラウザ拡張機能です。スクリーンショットではなく、要素と直接対話することで、正確なアクションを保証します。ユーザーはClaudeやOpenAIなどのモデル用のAPIキーを提供するか、ローカルモデルを使用することで、繰…

ブラウザ・Web 自動化
ツールを見る

選択したAIモデルを使用してウェブページ上のタスクを自動化するための無料のChromeおよびEdge用ブラウザ拡張機能です。スクリーンショットではなく、要素と直接対話することで、正確なアクションを保証します。ユーザーはClaudeやOpenAIなどのモデル用のAPIキーを提供するか、ローカルモデルを使用することで、繰…Jev Ultrafast Agentは、選択したAIモデルを使用してウェブページ上のタスクを自動化するための無料のChromeおよびEdge用ブラウザ拡張機能です。スクリーンショットではなく、要素と直接対話することで、正確なアクションを保証します。ユーザーはClaudeやOpenAIなどのモデル用のAPIキーを提供するか、ローカルモデルを使用することで、繰…

ブラウザ・Web 自動化
AI アプリ トップ250を見る

StartLux-Decision

AI GitHub リポジトリ

StartLux-Decisionは、0.8Bから27Bパラメータまでのオープンな意思決定モデルを提供し、各オプションのキャリブレーションされた確率を提供します。不確実な場合には簡潔な思考を生成し、vLLM、llama.cpp、MLXのエンジンとして機能します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

0.8Bから27Bパラメータまでのオープンな意思決定モデルを提供し、各オプションのキャリブレーションされた確率を提供します。不確実な場合には簡潔な思考を生成し、vLLM、llama.cpp、MLXのエンジンとして機能します。StartLux-Decisionは、0.8Bから27Bパラメータまでのオープンな意思決定モデルを提供し、各オプションのキャリブレーションされた確率を提供します。不確実な場合には簡潔な思考を生成し、vLLM、llama.cpp、MLXのエンジンとして機能します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

DeepSeek-v3は、高度なMoEアーキテクチャと最先端の言語モデルにより、即時のAIソリューションを提供します。この安定した無料かつ無制限のモデルで、効率的な推論と多様なハードウェア展開における多言語サポートを備えた最先端のAI機能を体験してください。

AIモデルとLLM
ツールを見る

高度なMoEアーキテクチャと最先端の言語モデルにより、即時のAIソリューションを提供します。この安定した無料かつ無制限のモデルで、効率的な推論と多様なハードウェア展開における多言語サポートを備えた最先端のAI機能を体験してください。DeepSeek-v3は、高度なMoEアーキテクチャと最先端の言語モデルにより、即時のAIソリューションを提供します。この安定した無料かつ無制限のモデルで、効率的な推論と多様なハードウェア展開における多言語サポートを備えた最先端のAI機能を体験してください。

AIモデルとLLM
AI アプリ トップ250を見る

ブラウザハーネス

AI GitHub リポジトリ

ブラウザハーネスは、大規模言語モデル(LLM)がブラウザ環境内で任意のタスクを完了できるようにする自己修復フレームワークです。AI駆動のアプリケーションに取り組む開発者向けに、堅牢な自動化機能を提供します。

ブラウザ・Web 自動化

ブラウザ・Web 自動化で第78位

ツールを見る

AI GitHub リポジトリ

大規模言語モデル(LLM)がブラウザ環境内で任意のタスクを完了できるようにする自己修復フレームワークです。AI駆動のアプリケーションに取り組む開発者向けに、堅牢な自動化機能を提供します。ブラウザハーネスは、大規模言語モデル(LLM)がブラウザ環境内で任意のタスクを完了できるようにする自己修復フレームワークです。AI駆動のアプリケーションに取り組む開発者向けに、堅牢な自動化機能を提供します。

ブラウザ・Web 自動化
ブラウザ・Web 自動化で第78位

Browser Use - AI Web Agents

AI エージェント

Browser Use は、AI エージェント向けに設計された、ブラウザ自動化のためのオープンソースプラットフォームです。Web インタラクションのためのツールを提供しており、検出不能なブラウザやプロキシ統合が含まれています。チームに信頼されており、自然言語を使用して Web…

ブラウザ・Web 自動化

AI エージェントで第36位

ツールを見る

AI エージェント

AI エージェント向けに設計された、ブラウザ自動化のためのオープンソースプラットフォームです。Web インタラクションのためのツールを提供しており、検出不能なブラウザやプロキシ統合が含まれています。チームに信頼されており、自然言語を使用して Web…Browser Use は、AI エージェント向けに設計された、ブラウザ自動化のためのオープンソースプラットフォームです。Web インタラクションのためのツールを提供しており、検出不能なブラウザやプロキシ統合が含まれています。チームに信頼されており、自然言語を使用して Web…

注目ブラウザ・Web 自動化
AI エージェントで第36位
1 / 8