Surfer-H встречается с Holo1: Экономичный веб-агент на основе открытых весов
Surfer-H Meets Holo1: Cost-Efficient Web Agent Powered by Open Weights
June 3, 2025
Авторы: Mathieu Andreux, Breno Baldas Skuk, Hamza Benchekroun, Emilien Biré, Antoine Bonnet, Riaz Bordie, Matthias Brunel, Pierre-Louis Cedoz, Antoine Chassang, Mickaël Chen, Alexandra D. Constantinou, Antoine d'Andigné, Hubert de La Jonquière, Aurélien Delfosse, Ludovic Denoyer, Alexis Deprez, Augustin Derupti, Michael Eickenberg, Mathïs Federico, Charles Kantor, Xavier Koegler, Yann Labbé, Matthew C. H. Lee, Erwan Le Jumeau de Kergaradec, Amir Mahla, Avshalom Manevich, Adrien Maret, Charles Masson, Rafaël Maurin, Arturo Mena, Philippe Modard, Axel Moyal, Axel Nguyen Kerbel, Julien Revelle, Mats L. Richter, María Santos, Laurent Sifre, Maxime Theillard, Marc Thibault, Louis Thiry, Léo Tronchon, Nicolas Usunier, Tony Wu
cs.AI
Аннотация
Мы представляем Surfer-H, экономичного веб-агента, который интегрирует модели "Визия-Язык" (VLM) для выполнения пользовательских задач в интернете. Мы сочетаем его с Holo1, новой открытой коллекцией моделей VLM, специализированных для навигации по веб-страницам и извлечения информации. Holo1 была обучена на тщательно отобранных данных, включая открытый веб-контент, синтетические примеры и данные, самостоятельно сгенерированные агентами. Holo1 демонстрирует наивысшие результаты как на общих тестах пользовательского интерфейса (UI), так и на нашем новом бенчмарке локализации веб-интерфейсов WebClick. При использовании Holo1, Surfer-H достигает 92,2% производительности на WebVoyager, устанавливая Парето-оптимальный баланс между точностью и экономичностью. Для ускорения прогресса в исследованиях агентных систем мы открываем исходные коды как нашего набора данных для оценки WebClick, так и весов модели Holo1.
English
We present Surfer-H, a cost-efficient web agent that integrates
Vision-Language Models (VLM) to perform user-defined tasks on the web. We pair
it with Holo1, a new open-weight collection of VLMs specialized in web
navigation and information extraction. Holo1 was trained on carefully curated
data sources, including open-access web content, synthetic examples, and
self-produced agentic data. Holo1 tops generalist User Interface (UI)
benchmarks as well as our new web UI localization benchmark, WebClick. When
powered by Holo1, Surfer-H achieves a 92.2% state-of-the-art performance on
WebVoyager, striking a Pareto-optimal balance between accuracy and
cost-efficiency. To accelerate research advancement in agentic systems, we are
open-sourcing both our WebClick evaluation dataset and the Holo1 model weights.