Ipinaglunsad ng Microsoft ang Fara-7B, unang 7B-parameter agent model para sa mga computer task

Mensahe ni AIMPACT, Mayo 16 (UTC+8), inilunsad ng Microsoft ang Fara-7B, ang kanilang unang 7B parameter na maliit na modelo ng agent na disenyo para sa mga computer use case. Ang modelo ay gumagamit ng arkitekturang multimodal decoder na nakakatanggap ng screenshot image at text context upang direktang makapag-predict ng chain-of-thought at action actions na may parameter. Batay sa Qwen 2.5-VL (7B), sumusuporta sa 128k context length, tinuruan sa 64 H100 GPUs sa loob ng 2.5 araw, at ipinakalabas noong Nobyembre 24, 2025 gamit ang MIT license. Ang Fara-7B ay nakakaintindi ng browser input sa pamamagitan ng screenshot, at nagpapredict ng susunod na action at parameter (tulad ng click coordinates) sa pamamagitan ng internal reasoning at historical state recording, na nakabatay sa malaking synthetic dataset. Ang modelo ay makapagplano at makapag-execute ng advanced tasks (tulad ng pag-book ng restaurant, pag-apply sa trabaho, pagplano ng biyahe, atbp.). Sa aspeto ng safety alignment, ginamit ang matibay na post-training method, may kakayahang makakilala ng key points, at makakatigil sa pagsasagawa ng apat na uri ng gawain na lumalabag sa polisiya, at makakapag-pause sa mga mahahalagang stopping point tulad ng pagpapasa ng personal information at pagkumpleto ng pagbili. Ang mga user ay maaaring i-deploy at mag-interactive query gamit ang GitHub repository, vllm, at fara-cli tools, na pangunahing ginagamit para sa automation ng web tasks. (Source: InFoQ)