WebLlama:通过对话进行网页浏览的智能代理

WebLlama:智能网页浏览代理

WebLlama 是 McGill University 自然语言处理团队的研究项目,旨在开发能通过对话浏览网页的智能代理。这些代理基于 Llama-3 模型优化微调,基于 Llama-3-8B-Instruct 模型,专为网页导航和对话任务优化,可有效处理复杂的网页交互任务。

WebLlama 性能优于 GPT-4V,尤其在真实世界的网页浏览相关任务上。微调使用 WebLINX 数据集,包含超 10 万网页导航和对话实例,由专家注释人员收集验证。为训练模型,选取了 2.4 万精选子集,确保训练质量和代理实用性。

该模型已在 Hugging Face Model Hub 上发布,名称为 McGill-NLP/Llama-3-8B-Web。同时,训练和评估数据也可在 Huggingface Hub 上找到,数据集名称为 McGill-NLP/WebLINX。

主要功能

WebLlama 能处理连续对话,用户可通过多轮交流提供指令并获取反馈。代理可与现代网页自动化框架集成,在实际浏览器环境中执行动作,如点击、滚动、填写表单等。

WebLlama 具备以下功能:

自动网页浏览:根据用户指令自动浏览网页,执行搜索、导航和信息检索等任务。

交互对话:通过自然语言与用户交互,理解指令并提供反馈。

执行网页操作:点击链接、填写和提交表单等。

自动任务完成:按用户指令完成特定任务,如预订酒店、购物或查找信息。

WebLlama 为网页交互带来新方式,将为生活和工作提供更多便利。

相关推荐
小溪彼岸5 小时前
初识Google Colab
google·aigc
小溪彼岸5 小时前
【Hugging Face】Hugging Face模型的基本使用
aigc
墨风如雪7 小时前
会“偷懒”的大模型来了:快手开源KAT-V1,终结AI“过度思考”
aigc
EdisonZhou8 小时前
多Agent协作入门:群聊编排模式
llm·aigc·.net core
奇舞精选13 小时前
prompt的参数调优入门指南 - 小白也能轻松掌握
人工智能·aigc
DisonTangor13 小时前
商汤InternLM发布最先进的开源多模态推理模型——Intern-S1
人工智能·深度学习·开源·aigc
软件测试君13 小时前
【Rag实用分享】小白也能看懂的文档解析和分割教程
aigc·openai·ai编程
redreamSo17 小时前
AI Daily | AI日报:Meta百亿抢人,AI数据标注产业升级; 百度全栈自研,AI应用大放异彩; Hinton访华:多模态大模型已有「意识」
程序员·aigc·资讯
DisonTangor17 小时前
Mistral AI开源 Magistral-Small-2507
人工智能·语言模型·开源·aigc
青Cheng序员石头17 小时前
【转译】Agentic AI 与 AI Agent:五大差异及其重要性
llm·aigc·agent