跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

cklxx/laya-browser

cklxx/laya-browser 是一个特征提取模型,经过微调作为浏览器代理决策头。它利用非自回归的「系统 1」决策模型在浏览器环境中选择操作和目标元素。该模型旨在处理需要快速、单次决策的任务,提供现有浏览器自动化解决方案的替代方案,并支持各种真实网站的多步骤任务。

查看模型
分享
查看模型
分享

cklxx/laya-browser 模型是一个专门的特征提取模型,拥有 3 亿个参数,旨在作为浏览器代理决策头。它是 `laya` 模型(convaiinnovations/laya)的微调版本,作为非自回归的「系统 1」决策模型运行。与传统的自回归模型不同,`laya` 使用单个双向编码器传递以校准概率回答多个类型的问题(选择、评分、noul),而不生成文本。

阅读更多

这个特定的代码库专门针对浏览器自动化任务微调 `laya`,作为 `browser-use/jev-ultrafast` 的替代方案。它处理 `/v1/systemone` 请求,这些请求与 `laya` 的 `predict(state, questions)` 函数相对应。在每一步中,该模型执行一次前向传递,在完整 GPU 时钟下大约需要 22 毫秒,以选择适当的操作(如点击、输入文本、选择、按回车、滚动或完成)及其对应的网页目标元素。

该模型在 RTX 4070 Ti SUPER(16 GB)上本地训练和评估,而不依赖于付费 API。对于文本输入和下拉值选择,它与本地 Qwen3-8B-AWQ 模型集成。当前版本 v19s 可在代码库根目录获取,早期检查点可在提交历史中访问。仅在新版本显示出明显改进时才会发布更新。

评估结果突显了它在各种测试套件中的表现。C 套件涉及 27 个多步骤任务,在保留的真实网站上(包括搜索、过滤、排序和打开操作),显示 v19s 的成功率约为 20–26%,相比 v17s 的 2/54 有显著改善。B 套件在 18 个保留网站上进行 18 个任务,v17s 和 v19s 均保持完美的 54/54 分数。在 A 套件中,由 16 个原始真实网站任务组成,v19s 得分为 39/48。对于 webgym 保留的合成表单(7 种 × 10),v19s 达到 30/70,几乎是 v17s 的 15/70 的两倍。该模型在未见网站(WebChain)上的点击操作和目标 top-1 准确性方面也表现出色。

单次决策的延迟通常在 RTX 4070 Ti SUPER 的完整时钟下为 22–27 毫秒。然而,如果 GPU 在决策之间降至空闲时钟(由于等待页面加载),后续决策可能需要 75–270 毫秒。用户可以锁定最小 SM 时钟以减轻此问题。该模型使用 `transformers` 和 `torch` 集成,提供自己的代码。它也可以通过上游的 `laya` 包加载。自 v17s 以来的主要变化包括改进的工具,如等待导航完成的「撤销保护」,以防止重复操作,更好地处理表单字段数据,以及将选项滚动到视图中。训练数据还扩展了 WebChain 人类轨迹和 webgym 上的 DAgger。目前的限制包括在多步骤任务中过早停止,以及处理需要大量滚动或阻止无头 Chromium 的网站时出现的问题。

  • 类别AI 模型与大语言模型
  • 定价模式开源
  • 部署云端
  • 平台网页版

  • 用于浏览器自动化的非自回归决策模型

  • 针对输入问题的单个双向编码器传递

  • 选择、评分和 noul 答案的校准概率

  • 作为 browser-use/jev-ultrafast 的替代方案

  • 选择浏览器操作(点击、输入文本、选择、按回车、滚动、完成)

  • 识别操作的目标元素

  • 在完整 GPU 时钟下快速决策延迟约为 22 毫秒

  • 在 RTX 4070 Ti SUPER 上本地训练和评估

  • 与本地 Qwen3-8B-AWQ 集成以进行文本输入和下拉值选择

  • 支持真实网站上的多步骤任务

  • 包括「撤销保护」以防止重复操作

  • 改进了对表单字段占位符、类型和模式的处理

  • 提供通过滚动将视图外的选项滚动到视图中的选项

  • 使用 WebChain 人类轨迹和 webgym 上的 DAgger 进行训练

  • 模型代码采用 Apache-2.0 许可证

  1. 访问模型:从 Hugging Face 下载 cklxx/laya-browser 模型。

  2. 设置环境:确保在您的 Python 环境中安装了 `torch` 和 `transformers` 库。

  3. 通过 API 集成:使用 `decide` 函数构建模型训练格式的请求并运行前向传递。

  4. 作为替代方案使用:实现 `m.systemone(body)` 以回答 `jev-ultrafast /v1/systemone` 请求。

  5. 使用 Laya 包加载:或者,使用上游的 `laya` 包通过 `laya.load("cklxx/laya-browser")` 加载模型。

  6. 应用工具改进:将 `code/jev-ultrafast.patch` 应用到 `jev-ultrafast` 以改善评估和训练设置。

  7. 优化延迟:可选地,使用 `sudo nvidia-smi -lgc 2100,3135` 锁定 GPU 的最小 SM 时钟以减少决策延迟。

  • 自动化浏览器导航
  • 网页数据提取
  • 表单填写自动化
  • 网站测试
  • 基于代理的网页交互
  • 研究数据收集
  • 重复在线任务

cklxx/laya-browser 评价

加载中...

与 cklxx/laya-browser 类似的热门AI工具

AutoTrust-JEV-27B v1.1 是一个文本决策模型,旨在为各种问题的答案选项分配概率。它在工具选择、意图分类和自动化决策方面表现出色,是结构化决策任务的宝贵资产。

AI 模型与大语言模型
查看工具

文本决策模型,旨在为各种问题的答案选项分配概率。它在工具选择、意图分类和自动化决策方面表现出色,是结构化决策任务的宝贵资产。AutoTrust-JEV-27B v1.1 是一个文本决策模型,旨在为各种问题的答案选项分配概率。它在工具选择、意图分类和自动化决策方面表现出色,是结构化决策任务的宝贵资产。

AI 模型与大语言模型
查看 AI 模型 Top 5

Clef

AI 模型

Clef是一个27B的多模态模型,旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入,并在单次前向传递中返回每个问题每个选项的概率。

AI 模型与大语言模型
查看工具

AI 模型

27B的多模态模型,旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入,并在单次前向传递中返回每个问题每个选项的概率。Clef是一个27B的多模态模型,旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入,并在单次前向传递中返回每个问题每个选项的概率。

AI 模型与大语言模型
查看 AI 模型 Top 5

GLiDE 27B

大语言模型

GLiDE 27B 是由 Fastino 开发的一个 270 亿参数的决策模型。它处理包含文本、JSON 和可选图像的状态,以概率形式回答输入的问题。该模型非常适合分类、路由和评分任务,为各种决策应用提供精确的非生成性概率输出。

AI 模型与大语言模型

大语言模型 排名第 76 位

查看工具

大语言模型

由 Fastino 开发的一个 270 亿参数的决策模型。它处理包含文本、JSON 和可选图像的状态,以概率形式回答输入的问题。该模型非常适合分类、路由和评分任务,为各种决策应用提供精确的非生成性概率输出。GLiDE 27B 是由 Fastino 开发的一个 270 亿参数的决策模型。它处理包含文本、JSON 和可选图像的状态,以概率形式回答输入的问题。该模型非常适合分类、路由和评分任务,为各种决策应用提供精确的非生成性概率输出。

AI 模型与大语言模型
大语言模型 排名第 76 位

Jev Ultrafast Agent 是一款免费的 Chrome 和 Edge 浏览器扩展,利用您选择的 AI 模型自动化网页上的任务。它直接与元素交互,而不是使用截图,从而确保精确的操作。用户可以为 Claude 或 OpenAI 等模型提供 API 密钥,或使用本地模型,使其成为处理重复在线任务的多功能工具。

浏览器与网页自动化
查看工具

免费的 Chrome 和 Edge 浏览器扩展,利用您选择的 AI 模型自动化网页上的任务。它直接与元素交互,而不是使用截图,从而确保精确的操作。用户可以为 Claude 或 OpenAI 等模型提供 API 密钥,或使用本地模型,使其成为处理重复在线任务的多功能工具。Jev Ultrafast Agent 是一款免费的 Chrome 和 Edge 浏览器扩展,利用您选择的 AI 模型自动化网页上的任务。它直接与元素交互,而不是使用截图,从而确保精确的操作。用户可以为 Claude 或 OpenAI 等模型提供 API 密钥,或使用本地模型,使其成为处理重复在线任务的多功能工具。

浏览器与网页自动化
查看 AI 应用 Top 250

StartLux-Decision

AI GitHub 仓库

StartLux-Decision 提供从 0.8B 到 27B 参数的开放决策模型,为每个选项提供校准概率。当不确定时,它会生成简洁的思考,作为 vLLM、llama.cpp 和 MLX 的引擎。

AI 模型与大语言模型
查看工具

AI GitHub 仓库

提供从 0.8B 到 27B 参数的开放决策模型,为每个选项提供校准概率。当不确定时,它会生成简洁的思考,作为 vLLM、llama.cpp 和 MLX 的引擎。StartLux-Decision 提供从 0.8B 到 27B 参数的开放决策模型,为每个选项提供校准概率。当不确定时,它会生成简洁的思考,作为 vLLM、llama.cpp 和 MLX 的引擎。

AI 模型与大语言模型
查看 AI GitHub 仓库 Top 250

DeepSeek-v3 提供即时 AI 解决方案,由先进的 MoE 架构和最先进的语言模型驱动。通过这款稳定、免费且无限制的模型体验尖端 AI 功能,该模型专为各种硬件部署的高效推理和多语言支持而设计。

AI 模型与大语言模型
查看工具

提供即时 AI 解决方案,由先进的 MoE 架构和最先进的语言模型驱动。通过这款稳定、免费且无限制的模型体验尖端 AI 功能,该模型专为各种硬件部署的高效推理和多语言支持而设计。DeepSeek-v3 提供即时 AI 解决方案,由先进的 MoE 架构和最先进的语言模型驱动。通过这款稳定、免费且无限制的模型体验尖端 AI 功能,该模型专为各种硬件部署的高效推理和多语言支持而设计。

AI 模型与大语言模型
查看 AI 应用 Top 250

浏览器工具

AI GitHub 仓库

浏览器工具是一个自愈框架,使大型语言模型(LLMs)能够在浏览器环境中完成任何任务。它为从事AI驱动应用程序的开发人员提供了强大的自动化能力。

浏览器与网页自动化

浏览器与网页自动化 排名第 78 位

查看工具

AI GitHub 仓库

自愈框架,使大型语言模型(LLMs)能够在浏览器环境中完成任何任务。它为从事AI驱动应用程序的开发人员提供了强大的自动化能力。浏览器工具是一个自愈框架,使大型语言模型(LLMs)能够在浏览器环境中完成任何任务。它为从事AI驱动应用程序的开发人员提供了强大的自动化能力。

浏览器与网页自动化
浏览器与网页自动化 排名第 78 位

Browser Use 是一个用于浏览器自动化的开源平台,专为 AI 代理设计。它提供用于 Web 交互的工具,包括不可检测的浏览器和代理集成。它受到团队的信任,可以使用自然语言进行 Web 任务的提取、自动化、测试和监控。它为浏览器自动化提供定制的 LLM。

浏览器与网页自动化

AI 智能体 排名第 36 位

查看工具

Browser Use 是一个用于浏览器自动化的开源平台,专为 AI 代理设计。它提供用于 Web 交互的工具,包括不可检测的浏览器和代理集成。它受到团队的信任,可以使用自然语言进行 Web 任务的提取、自动化、测试和监控。它为浏览器自动化提供定制的 LLM。

精选浏览器与网页自动化
AI 智能体 排名第 36 位
1/8