К содержимому
Другое

Kev-4B-Web-Selector

селектор действий для веб-агентов

2 мин чтенияобновлено

Модель-оценщик от XunmeiLiu для выбора следующего шага в браузерных ИИ-агентах. Сама она не управляет браузером и не генерирует действия, а получает задачу, скриншот, URL, историю прошлых шагов и пять вариантов ответа от модели-актора (например, OpenWebRL-4B-SFT), после чего выбирает лучший. В основе лежит LoRA-адаптер (небольшая надстройка над весами) и pointer head поверх замороженной мультимодальной базы Qwen3.5-4B-Base с инициализацией от Kev-4B. В отличие от обычной генерации выбора в виде текста, модель вычисляет логиты напрямую через скалярное произведение финального токена и токенов кандидатов.

Ключевые особенности

  • Оценивает сразу пять кандидатов в общей причинной последовательности, позволяя модели сравнивать варианты между собой перед выбором.
  • Обучена только языковая часть LoRA (rank 16) и pointer head, тогда как визуальный энкодер и база Qwen3.5-4B-Base остаются замороженными.
  • Поставляется с готовым Python-лоадером KevSelector и вспомогательным методом score_browser для работы со скриншотами и историей действий.
  • Поддерживает контекст до 32 768 токенов и работает со скриншотами площадью до 262 144 пикселей.

Что можно сделать

  • Встроить в пайплайн веб-агента на базе OpenWebRL-4B-SFT для ранжирования сгенерированных действий перед кликом или вводом текста.
  • Использовать как реранкер в мультимодальных GUI-агентах, где координаты действий задаются в нормализованной сетке [0, 1000].

Пример

from selector import KevSelector

model = KevSelector('XunmeiLiu/Kev-4B-Web-Selector', device='cuda:0')
result = model.score_browser(
    intent=task_instruction, url=current_url,
    history=previous_action_summaries, candidates=candidates,
    image='/path/to/current_screenshot.png'
)
selected = candidates[result['selected']]
Подробнее Бенчмарки связки актор + селектор: WebVoyager — 51.93% (309/595), Online Mind2Web — 33.67% (101/300), DeepShop — 55.33% (83/150).
Обучение: 27 956 примеров из траекторий OpenWebRL SFT с разметкой от GPT-5.5, чекпоинт на 1 748 шаге (~1 эпоха).
Точность весов: база в BF16, LoRA-адаптер и pointer head в FP32; для запуска требуется окружение с CUDA.
Лицензия: Apache-2.0.
Обсудить Telegram 0 21

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.8 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.5 GB5.4 GB
  • 4-bitвеса 2.6 GB3.3 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2080 Ti

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3.5-4B-Base.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # XunmeiLiu/Kev-4B-Web-Selector
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Qwen/Qwen3.5-4B-Base --local-dir ~/models/Qwen3.5-4B-Base
    hf download XunmeiLiu/Kev-4B-Web-Selector --local-dir ~/models/Kev-4B-Web-Selector
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-4B-Base
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

Qwen/Qwen3.5-4B-Base

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

XunmeiLiu/Kev-4B-Web-Selector
Автор
XunmeiLiu
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

StructuraAI

StructuraAI