웹 에이전트의 눈이 되어줄 Qwen 3 기반 MolmoWeb-8B 공개
이미지와 텍스트를 입력받아 웹 조작 및 이해를 위한 텍스트 생성8Bapache-2.0
Qwen 3 8B를 기반으로 웹 브라우징 궤적과 기술 데이터를 학습하여 웹 UI 이해와 에이전트 작업에 최적화된 멀티모달 모델이다.
핵심 역량
- 웹 요소 인식 및 그라운딩
- 웹 조작 궤적 생성
- 이미지 기반 질의응답
- 멀티턴 대화
- 웹 UI 레이아웃 분석
강점
- 웹 조작 관련 6종의 특화 데이터셋을 통한 높은 도메인 적응성
- Apache 2.0 라이선스 기반의 자유로운 상업적 활용
- 8B 파라미터 규모로 로컬 환경에서도 효율적인 멀티모달 추론 가능
훈련 방식
Qwen 3 8B 기반, 웹 조작 궤적 및 기술 관련 합성/인간 데이터셋을 활용한 멀티모달 파인튜닝
알아두면 좋은 것
- Qwen 3 8B를 기반 모델로 사용
- MolmoWeb-SyntheticTraj 및 HumanSkills 등 웹 특화 데이터 활용
- 이미지-텍스트 입력을 통한 웹 상호작용 텍스트 생성 최적화
- Allen Institute for AI의 Molmo 2 프로젝트의 일환
59
Likes
1.3k
Downloads
0 / 0
조회수
관련 토론
아직 관련 토론이 없습니다.
댓글
댓글을 작성하려면 로그인이 필요합니다.