در این مقاله
Jev Ultrafast یک Web Agent متن‌باز و آزمایشی از تیم Browser Use است که برای انتخاب سریع عمل روی صفحه وب ساخته شده. Agent به‌جای فرستادن Screenshot کامل و تولید دستور آزاد، وضعیت ساختاریافته کنترل‌های قابل مشاهده را می‌گیرد؛ مدل Jev یک عملیات و یک عنصر را انتخاب می‌کند و فقط هنگام تایپ‌کردن متن، یک LLM کوچک وارد مسیر میشود.
این پروژه با مدل تصمیمگیری Jev 1.13 یکی نیست. Jev 1.13 یک endpoint تصمیمگیری عمومی برای پاسخ‌های ساختاریافته است؛ Jev Ultrafast یک Agent مرورگر است که از مدلی در همان خانواده برای انتخاب اقدام استفاده می‌کند.
چرا Jev Ultrafast سریع است؟
در هر Snapshot، کنترل‌های قابل مشاهده، نام، مقدار و متن آن‌ها یکجا خوانده و ایندکس می‌شوند. مدل از میان عملیات و هدف‌های محدود انتخاب می‌کند. Executor پیش از Click، تازه‌بودن صفحه، پوشانده‌نبودن عنصر و Context نزدیک آن را دوباره بررسی می‌کند. خروجی مدل مستقیماً به Selector، JavaScript یا فرمان Shell تبدیل نمی‌شود.
برای عملیات TYPE_TEXT یک مرحله تولید متن وجود دارد. پاسخ آن باید یک JSON کوچک و معتبر باشد. اگر صفحه در فاصله تصمیم تا اجرا عوض شود، Agent تصمیم stale را رد می‌کند و فقط در شرایط مشخص متن تولیدشده را دوباره به کار می‌برد.
اعداد بنچمارک چه می‌گویند و چه نمی‌گویند؟
مخزن پروژه یک اجرای Google Flights را با زمان ۷٫۰۷۳ ثانیه گزارش می‌کند. در شش اجرای متناوب روی یک وظیفه و یک پروفایل مرورگر، هر دو نسخه ۳ از ۳ موفق شدند و میانه زمان از ۹٫۴۵۰ به ۷٫۰۹۲ ثانیه رسید. تعداد فراخوانی‌های پروتکل مرورگر نیز در همان آزمایش از ۱۰۹۲ به ۱۰۱ کاهش یافت.
خود سازنده روشن می‌کند که این فقط سه تکرار از یک Task و یک Browser profile است، نه بنچمارک عمومی قابلیت اطمینان. نتیجه را برای سایت، زبان، وضعیت Login و Workflow خودتان تکرار کنید.
نظرات کاربران (۰)
هنوز نظری ثبت نشده است. اولین نفر باشید.