Fara-7B：赋能高效计算机操作的端侧代理模型 AI学会像人一样看屏幕用电脑

Fara-7B一个专门用于计算机操作的轻量化、原生智能体模型。为了解决训练数据稀缺的问题，研究团队推出了 FaraGen 平台，通过多智能体协作在大规模真实网站上合成高质量、可验证的任务轨迹，大幅降低了数据获取成本。Fara-7B 采用“像素输入、动作输出”的模式，无需依赖复杂的网页结构信息，即可通过截图直接预测点击坐标和操作指令。实验表明，该模型在 WebVoyager 等基准测试中的表现优于同类尺寸模型，甚至能与顶尖的大型模型竞争。此外，研究者还发布了更具挑战性的 WebTailBench 基准，以评估智能体处理复杂网页任务的能力。这种高效的合成数据驱动方法，为在终端设备上实现高性能、低成本的数字助理开辟了新路径。