/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
32,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Опубликована
5 ноя 2024

webrl-llama-3.1-8b

Генерация текстаТекст → текст3 профессии

Дообученная Llama 3.1 на 8 млрд параметров для выполнения веб-операций на сайтах WebArena.

129скачиваний за 30 дней5лайковвеса обновлены6 ноя 2024

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 «Текст» — 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

WebRL-Llama-3.1-8B — открытая модель Zhipu AI для выполнения операций в веб-интерфейсах на пяти сайтах из WebArena: OpenStreetMap, Reddit, GitLab, CMS интернет-магазина и OneStopShop. Это дообученная плотная авторегрессионная модель семейства Llama 3.1 с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текстовые инструкции и генерирует текстовые ответы и действия для веб-сценариев. Заявленная длина контекста — 131 072 токена, основной язык карточки — английский.

Модель предназначена для веб-агентов, которым нужно выполнять пользовательские операции на поддерживаемых сайтах. В оценке WebArena-Lite она показала средний показатель успешности 42,4%; результаты различаются между сайтами. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели.

Сценарии применения

  • выполнение задач пользователя в Reddit через веб-интерфейс
  • поиск и редактирование проектов в GitLab
  • управление содержимым CMS интернет-магазина
  • поиск мест и работа с картой OpenStreetMap
  • выполнение операций в OneStopShop

Ограничения

Модель ориентирована на пять сайтов WebArena; результаты оценки отличаются по сайтам, а средний показатель успешности на WebArena-Lite составляет 42,4%. Условия лицензии обозначены как other и требуют проверки перед использованием.

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

WebRL-Llama-3.1-8B

Model Introduction

WebRL-Llama-3.1-8B is the open-source version of WebRL in Llama-3.1-8B released by Zhipu AI. It has the ability to complete web operations on five websites in WebArena: OpenStreetMap (Map), Reddit, GitLab, online store content management system (CMS) and OneStopShop (OSS).

Evaluation Results

We evaluated the WebRL-GLM-4-9B model on WebArena-Lite and obtained the following results:

ModelRedditGitlabCMSMapOSSAvg.SR
Llama-3.1-8B-Instruct0.03.32.93.311.14.8
GLM-4-9B-Chat5.310.06.73.36.76.1
WebRL-Llama-3.1-8B63.246.754.336.731.142.4

For more inference code and requirements, please visit our [github page](GitHub - THUDM/WebRL).

Citations

If you find our work useful, please consider citing the following paper.

@artical{qi2024webrl,
      title={WebRL: Training LLM Web Agents via Self-Evolving Online Curriculum Reinforcement Learning}, 
      author={Zehan Qi and Xiao Liu and Iat Long Iong and Hanyu Lai and Xueqiao Sun and Xinyue Yang and Jiadai Sun and Yu Yang and Shuntian Yao and Tianjie Zhang and Wei Xu and Jie Tang and Yuxiao Dong},
      journal={arXiv preprint arXiv:2411.02337},
      year={2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ecf8851

0 моделей