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。