/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-base
Библиотека
sentence-transformers
Опубликована
11 июн 2026

mind2web-candidate-ranker

Ранжирование текстаТекст → score3 профессии

Англоязычный реранкер на базе DeBERTa-v3-base, который оценивает DOM-элементы как кандидатов на следующее действие веб-агента.

32скачиваний за 30 дней0лайковвеса обновлены11 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Ранжирование» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это англоязычный cross-encoder на базе DeBERTa-v3-base, разработанный torontodeveloper и дообученный для ранжирования элементов веб-страницы в агентских сценариях компьютерного управления. Модель получает текстовую инструкцию, историю действий и описание DOM-элемента, затем оценивает вероятность того, что элемент станет целью следующего действия. Она служит первым этапом конвейера: отбирает кандидатов для последующего выбора действия языковой моделью и выполнения через Playwright.

Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 и рассчитана на контекст до 512 токенов. Она обучена на датасете Mind2Web: 7 775 действий и пары положительных и отрицательных примеров; README сообщает о тестировании на разбиениях по задачам, сайтам и доменам. Указанная лицензия — MIT.

README приводит recall@10 около 93% на невиданных доменах, однако качество зависит от распределения сайтов и задач, а результаты оценки не гарантируют аналогичную точность в конкретном агенте. Для запуска следует использовать fp32 или bf16 на совместимом оборудовании: fp16 может приводить к переполнению и NaN-оценкам. Модель ранжирует кандидатов, но сама не выбирает и не выполняет действие.

Сценарии применения

  • Ранжирование DOM-элементов для выполнения инструкции в браузере
  • Отбор кандидатов для следующего действия веб-агента
  • Передача наиболее релевантных элементов языковой модели для выбора действия
  • Поиск целевого элемента страницы по задаче и истории действий

Ограничения

Контекст ограничен 512 токенами; fp16 может вызывать переполнение и NaN-оценки, поэтому рекомендуется fp32 или bf16 на совместимом оборудовании. Модель ранжирует кандидатов, но не прогнозирует и не исполняет действие целиком.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mind2web-candidate-ranker

A DeBERTa-v3-base cross-encoder fine-tuned for candidate generation in web agents: given a natural-language task (plus action history) and a DOM element, it scores how likely that element is the next action target. It is stage 1 of a two-stage computer-use agent (rank DOM elements → LLM picks the action → Playwright executes).

Trained on Mind2Web (2,000+ tasks across 137 real websites).

Results

Evaluated on the three official Mind2Web generalization splits:

splitacc@1recall@3recall@5recall@10recall@20MRR
test_task (unseen tasks)60.2%83.5%89.4%93.0%93.8%0.725
test_website (unseen websites)50.9%76.1%85.3%92.6%95.3%0.656
test_domain (unseen domains)55.4%79.8%87.1%92.8%94.5%0.689

~93% recall@10 on entirely unseen domains. The recall curve plateaus at k≈20, making top-20 a good cost/recall operating point for the downstream LLM.

Usage

from sentence_transformers import CrossEncoder

model = CrossEncoder("torontodeveloper/mind2web-candidate-ranker", num_labels=1, max_length=512)

candidate = "tag: input | aria_label: Destination | placeholder: To?"
query = "task is: Search for a flight from Toronto to New York. Type NYC into the destination field.\nPrevious actions: "

score = model.predict([(candidate, query)])

Candidates are serialized DOM elements (tag, aria_label, placeholder, name, is_clickable, bounding box, etc.); the query is the task description plus the last few actions. Score all interactable elements on a page and keep the top-k.

Training

  • Base model: microsoft/deberta-v3-base (86M params)
  • Data: Mind2Web train split — 7,775 actions, 1 positive + 3 sampled negatives each (31,100 pairs)
  • 3 epochs, batch size 8, lr 3e-5, BCEWithLogitsLoss, linear warmup
  • Single T4 GPU (~85 minutes), fp32

⚠️ Precision note

DeBERTa-v3's disentangled attention overflows fp16 (NaN logits). Load and run this model in fp32 (or bf16 on Ampere+). Newer transformers versions may default to fp16 on GPU — pass torch_dtype=torch.float32 explicitly if needed.

Pipeline context

This model is the candidate generator from mind2web-computer-use-agent: stage 2 (action prediction) uses FLAN-T5 / GPT-class models over the top-k candidates, and stage 3 executes via Playwright. Architecture follows MindAct (Deng et al., 2023).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
d70f461

0 моделей