AI2 Công Bố Trình Tác Vụ Web Mã Nguồn Mở Toàn Phần MolmoWeb: Chỉ Cần 'Thị Giác' Là Có Thể Điều Khiển Trang Web

marsbitXuất bản vào 2026-03-26Cập nhật gần nhất vào 2026-03-26

Tóm tắt

Viện Nghiên cứu Trí tuệ Nhân tạo Allen (AI2) vừa công bố tác nhân duyệt web mã nguồn mở đột phá **MolmoWeb**. Khác với các tác nhân truyền thống phụ thuộc vào mã nguồn trang web (DOM), MolmoWeb chỉ đưa ra quyết định dựa trên việc đọc ảnh chụp màn hình, đánh dấu một bước nhảy vọt lớn trong công nghệ điều hướng web dựa trên "thị giác". MolmoWeb hoạt động theo cách chụp ảnh màn hình trình duyệt, phân tích hình ảnh để quyết định thao tác tiếp theo (như nhấp chuột, cuộn trang), rồi thực hiện và lặp lại. Phương thức này giúp nó mạnh mẽ hơn vì bố cục trực quan của trang web thường ổn định hơn mã nguồn. Về hiệu suất, dù chỉ có quy mô tham số 4B và 8B, MolmoWeb thể hiện sức mạnh vượt trội: - **Dẫn đầu bảng xếp hạng:** Phiên bản 8B đạt **78.2%** trên bài kiểm tra WebVoyager, không chỉ đứng đầu trong các mô hình nguồn mở mà còn sát với mô hình độc quyền o3 của OpenAI (79.3%). - **Tiềm năng lớn:** Bằng cách chạy lặp lại và chọn kết quả tốt nhất, tỷ lệ thành công có thể tăng vọt lên **94.7%**. - **Định vị chính xác:** Nó thậm chí vượt qua Claude3.7 của Anthropic trong các bài kiểm tra định vị phần tử giao diện. AI2 cũng công bố bộ dữ liệu mở khổng lồ **MolmoWebMix**, bao gồm: - **36.000 nhiệm vụ duyệt web thực** được thực hiện bởi tình nguyện viên. - Hơn **2.2 triệu** cặp ảnh chụp màn hình - câu hỏi. - Dữ liệu tổng hợp tự động được xác thực bởi GPT-4o, thậm chí còn hiệu quả hơn dữ liệu con người trong việc hướng dẫn tác nhân. Hiện tại, MolmoWeb đã được mở hoàn toàn trên **...

Viện Nghiên Cứu Trí Tuệ Nhân Tạo Allen (AI2) gần đây đã công bố trình tác vụ web mã nguồn mở đột phá MolmoWeb . Khác với các trình tác vụ truyền thống phụ thuộc vào mã nguồn cơ bản (DOM) của trang web, MolmoWeb chỉ đưa ra quyết định thông qua việc đọc ảnh chụp màn hình, đánh dấu một bước tiến vượt bậc trong công nghệ điều hướng web 'được điều khiển bằng thị giác'.

Công Nghệ Cốt Lõi: 'Nhìn' Trang Web Như Con Người

Logic hoạt động của MolmoWeb rất trực quan: nó chụp ảnh màn hình cửa sổ trình duyệt hiện tại, phân tích thị giác để quyết định thao tác tiếp theo (như nhấp chuột, cuộn, lật trang), sau đó thực hiện và lặp lại. Mô hình 'thấy là có' này giúp nó mạnh mẽ hơn so với các trình tác vụ truyền thống, vì bố cục trực quan của trang web thường ổn định hơn mã nguồn cơ bản, và quá trình ra quyết định của nó hoàn toàn minh bạch và có thể giải thích được đối với người dùng.

Bước Nhảy Về Hiệu Suất: Mô Hình Nhỏ Đánh Bại Gã Khổng Lồ

Mặc dù quy mô tham số của MolmoWeb chỉ là 4B và 8B, nhưng về hiệu suất lại thể hiện sức mạnh 'lấy nhỏ thắng lớn':

  • Dẫn Đầu Bảng Xếp Hạng: Trong bài kiểm tra WebVoyager, phiên bản 8B đạt điểm số cao tới 78.2%, không chỉ đứng đầu trong các mô hình mã nguồn mở, mà còn tiệm cận với mô hình độc quyền o3 của OpenAI (79.3%).

  • Tiềm Năng Lớn: Nghiên cứu phát hiện, thông qua việc chạy lặp lại tác vụ và lọc ra kết quả tối ưu, tỷ lệ thành công của nó có thể nhảy vọt lên 94.7%.

  • Định Vị Chính Xác: Trong bài kiểm tra chuẩn định vị phần tử UI, nó thậm chí còn vượt qua Claude3.7 của Anthropic.

Dữu Liệu Hỗ Trợ: Bộ Dữ Liệu Mở Lớn Nhất Từ Trước Đến Nay

Lần này, AI2 không chỉ mở mã nguồn trọng số mô hình, mà còn đóng góp một bộ dữ liệu khổng lồ có tên MolmoWebMix. Bộ dữ liệu này bao gồm:

  • 3.6 vạn lượt tác vụ duyệt web thực được hoàn thành bởi các tình nguyện viên con người.

  • Hơn 2.2 triệu cặp ảnh chụp màn hình - câu hỏi đáp án.

  • Dữ liệu tổng hợp tự động được xác minh bởi GPT-4o. Thực nghiệm chứng minh, dữ liệu tổng hợp trong việc hướng dẫn tác nhân thông minh tìm kiếm 'con đường tối ưu' thậm chí còn vượt trội hơn so với quỹ đạo của con người.

Tinh Thần Mã Nguồn Mở Và Thách Thức Tương Lai

Hiện tại, MolmoWeb đã được mở hoàn toàn trên Hugging Face và GitHub thông qua giao thức Apache2.0. Mặc dù vẫn phải đối mặt với những thách thức trong việc xử lý các chỉ dẫn phức tạp, xác thực đăng nhập và tuân thủ pháp lý (như điều khoản dịch vụ), nhưng AI2 tin tưởng rằng chỉ thông qua sự minh bạch hoàn toàn và sự hợp tác cộng đồng, mới có thể thực sự chống lại sự độc quyền dữ liệu của các công ty công nghệ lớn.

Câu hỏi Liên quan

QMolmoWeb là gì và nó khác biệt như thế nào so với các tác nhân duyệt web truyền thống?

AMolmoWeb là một tác nhân duyệt web mã nguồn mở hoàn toàn do Viện Trí tuệ Nhân tạo Allen (AI2) phát triển. Khác với các tác nhân truyền thống phụ thuộc vào mã nguồn HTML (DOM) của trang web, MolmoWeb chỉ đưa ra quyết định dựa trên việc đọc ảnh chụp màn hình, đánh dấu một bước tiến lớn trong công nghệ điều hướng web dựa trên thị giác.

QMolmoWeb hoạt động như thế nào?

AMolmoWeb hoạt động theo một quy trình trực quan: nó chụp ảnh màn hình cửa sổ trình duyệt hiện tại, phân tích hình ảnh để đưa ra quyết định cho thao tác tiếp theo (như nhấp chuột, cuộn trang, chuyển trang), thực hiện thao tác đó và lặp lại quá trình. Cách tiếp cận 'nhìn thấy là làm được' này giúp nó mạnh mẽ hơn vì bố cục trực quan của trang web thường ổn định hơn mã nguồn.

QHiệu suất của MolmoWeb so với các mô hình lớn hơn như thế nào?

AMặc dù có quy mô tham số khiêm tốn (4B và 8B), MolmoWeb thể hiện hiệu suất vượt trội. Phiên bản 8B đạt 78.2% trên bài kiểm tra WebVoyager, gần bằng mô hình độc quyền o3 của OpenAI (79.3%) và thậm chí còn vượt trội hơn Claude3.7 của Anthropic trong các bài kiểm tra định vị phần tử giao diện người dùng. Nếu chạy nhiều lần và chọn kết quả tốt nhất, tỷ lệ thành công của nó có thể tăng lên đến 94.7%.

QBộ dữ liệu MolmoWebMix đi kèm có những đặc điểm gì nổi bật?

ABộ dữ liệu MolmoWebMix là một trong những bộ dữ liệu mở lớn nhất, bao gồm: 36.000 nhiệm vụ duyệt web thực tế được thực hiện bởi tình nguyện viên con người, hơn 2.2 triệu cặp ảnh chụp màn hình - câu hỏi, và dữ liệu tổng hợp được xác minh bởi GPT-4o. Nghiên cứu chỉ ra rằng dữ liệu tổng hợp thậm chí còn hiệu quả hơn dữ liệu con người trong việc hướng dẫn tác nhân tìm ra 'con đường tối ưu'.

QMolmoWeb đã được phát hành như thế nào và còn thách thức nào?

AMolmoWeb đã được phát hành hoàn toàn miễn phí trên Hugging Face và GitHub với giấy phép Apache 2.0. AI2 tin rằng chỉ thông qua sự minh bạch và hợp tác cộng đồng hoàn toàn, họ mới có thể chống lại sự độc quyền dữ liệu của các công ty công nghệ lớn. Tuy nhiên, tác nhân này vẫn còn những thách thức như xử lý các hướng dẫn phức tạp, xác thực đăng nhập và tuân thủ pháp lý (ví dụ: điều khoản dịch vụ).

Nội dung Liên quan

Aave Dần Dần Loại Bỏ 75 Tài Sản Dự Trữ Có Mức Độ Sử Dụng Thấp Khỏi Danh Sách! Dưới Đây Là Thông Tin Chi Tiết

Aave, giao thức cho vay hàng đầu trong lĩnh vực Tài chính Phi tập trung (DeFi), đã công bố một đợt tái cấu trúc toàn diện nhằm nâng cao hiệu quả hoạt động. Sáng lập viên Stani Kulechov cho biết giao thức sẽ loại bỏ dần các tài sản có mức độ sử dụng thấp và thu hẹp hoạt động trên một số mạng blockchain. Theo kế hoạch, Aave sẽ dừng hỗ trợ 50 tài sản dự trữ trên mạng chính của mình và 25 tài sản trên các mạng Sonic, Scroll, zkSync, Metis, Soneium và Aptos, tổng cộng 75 tài sản. Động thái này nhằm tối ưu hóa việc sử dụng tài nguyên, tập trung vào các tài sản được người dùng quan tâm nhiều hơn. Quá trình tái cấu trúc ảnh hưởng đến khoảng 98,1 triệu USD tài sản dự trữ và 15,6 triệu USD các khoản cho vay. Aave cam kết thực hiện việc ngừng hỗ trợ một cách có trình tự và có kế hoạch chuyển đổi phù hợp để giảm thiểu bất tiện cho người dùng. Các chuyên gia nhận định việc loại bỏ các tài sản thanh khoản thấp là phổ biến trong ngành, giúp giảm chi phí vận hành và nâng cao tính bảo mật, hiệu quả. Là một trong những giao thức DeFi lớn nhất theo tổng giá trị bị khóa (TVL), quyết định của Aave có thể gây dịch chuyển thanh khoản ngắn hạn nhưng hướng tới mục tiêu xây dựng một hệ sinh thái hiệu quả và bền vững hơn về lâu dài.

cryptonews.ru27 phút trước

Aave Dần Dần Loại Bỏ 75 Tài Sản Dự Trữ Có Mức Độ Sử Dụng Thấp Khỏi Danh Sách! Dưới Đây Là Thông Tin Chi Tiết

cryptonews.ru27 phút trước

Robinhood công bố quý kỷ lục dù doanh thu tiền mã hóa giảm 38%

Công ty môi giới trực tuyến Robinhood đã báo cáo doanh thu và thu nhập quý II cao kỷ lục, bất chấp doanh thu từ giao dịch tiền mã hóa giảm 38% so với cùng kỳ năm ngoái, xuống còn 100 triệu USD. Tổng doanh thu tăng 32%, đạt 1,31 tỷ USD, trong khi thu nhập ròng tăng 48% lên 573 triệu USD. Sự tăng trưởm mạnh mẽ từ các hợp đồng sự kiện, quyền chọn và cổ phiếu đã bù đắp cho sự sụt giảm trong mảng tiền mã hóa. Robinhood tiếp tục mở rộng hệ sinh thái tiền mã hóa với việc hoàn tất mua lại nền tảng WonderFi và ra mắt mạng Robinhood Chain cùng sản phẩm cho vay phi tập trung đầu tiên. Tổng tài sản trên nền tảng đạt 369 tỷ USD, tăng 32% so với năm trước.

cointelegraph36 phút trước

Robinhood công bố quý kỷ lục dù doanh thu tiền mã hóa giảm 38%

cointelegraph36 phút trước

China Business Journal hé lộ thủ đoạn tống tiền bằng tiền mã hóa

Tờ báo nhà nước Trung Quốc China Business Journal đã cảnh báo các doanh nghiệp về một nhóm tội phạm mạng đang mạo danh tòa soạn để tống tiền bằng tiền điện tử. Thủ đoạn của chúng là gửi email từ địa chỉ Proton Mail, giả danh nhân viên báo, tuyên bố nắm giữ thông tin bất lợi về doanh nghiệp và đe dọa sẽ công bố nếu không nhận được Bitcoin. Tòa soạn China Business Journal khẳng định hoàn toàn không liên quan đến những email này, không bao giờ yêu cầu thanh toán để im lặng, và không sử dụng các phương thức làm việc kiểu này. Họ nhấn mạnh đây là một chiêu trò lừa đảo. Các đối tượng lừa đảo được cho là lợi dụng uy tín của một cơ quan báo chí nhà nước để gây áp lực, khiến các công ty đưa ra quyết định vội vàng vì lo sợ thiệt hại danh tiếng. Hiện tại, China Business Journal đang thu thập bằng chứng về việc sử dụng trái phép thương hiệu của mình, phân tích nội dung email và chuẩn bị hồ sơ để chuyển cho cơ quan chức năng. Họ cũng bảo lưu quyền khởi kiện dân sự và hình sự. Tờ báo kêu gọi các doanh nghiệp kiểm tra kỹ lưỡng mọi thông tin liên lạc nghi ngờ, không chuyển tiền điện tử cho người lạ, và báo cáo sự việc cho cơ quan có thẩm quyền.

cryptonews.ru37 phút trước

China Business Journal hé lộ thủ đoạn tống tiền bằng tiền mã hóa

cryptonews.ru37 phút trước

Australia kiện Telegram vì cáo buộc không gỡ bỏ nội dung khủng bố

Úc đã khởi kiện Telegram tại Tòa án Liên bang vì cáo buộc nền tảng nhắn tin này không tuân thủ Đạo luật An toàn Trực tuyến, thất bại trong việc gỡ nội dung khủng bố bất hợp pháp sau khi nhận được khiếu nại từ người dùng. Cơ quan quản lý an toàn trực tuyến eSafety tuyên bố cuộc điều tra kéo dài một năm cho thấy Telegram đã không xóa một số tài liệu bất hợp pháp, để chúng tồn tại đến ba tuần, và không ngăn chặn hiệu quả các vi phạm lặp lại. Úc đang tìm cách áp dụng các hình phạt tài chính, với mức tiền phạt tiềm năng lên tới 54,6 triệu đô la Úc. Vụ kiện diễn ra trong bối cảnh áp lực pháp lý toàn cầu ngày càng tăng đối với Telegram. Một ngày trước đó, Nga cáo buộc Giám đốc điều hành Pavel Durov tạo điều kiện cho hoạt động khủng bố và đưa ông vào danh sách truy nã quốc tế. Durov cũng đang bị điều tra tại Pháp về các cáo buộc liên quan đến việc phân phối nội dung bất hợp pháp. Telegram chưa đưa ra tuyên bố chính thức về các vụ kiện này, nhưng đã đăng tải các bài đăng trên mạng xã hội đề cao "tự do ngôn luận".

cointelegraph46 phút trước

Australia kiện Telegram vì cáo buộc không gỡ bỏ nội dung khủng bố

cointelegraph46 phút trước

Số lượng người nắm giữ cổ phiếu token hóa đạt mức kỷ lục 766 nghìn, tăng 93% trong 30 ngày

Số lượng người nắm giữ cổ phiếu token hóa đã đạt mức kỷ lục 766.366, tăng 93% trong 30 ngày qua. Sự tăng trưởng ấn tượng này chủ yếu được thúc đẩy bởi việc ra mắt Robinhood Chain, chiếm hơn một phần ba tổng số người nắm giữ với 15 trên 25 mã token hàng đầu. Các mã token của NVIDIA, Apple, SpaceX, Alphabet và Tesla chiếm tới 39% tổng số. Tuy nhiên, số liệu này có những điểm cần lưu ý. Có sự trùng lặp đáng kể vì một cổ phiếu (như NVIDIA) có thể được phát hành bởi nhiều nền tảng (Robinhood, xStock, Ondo), dẫn đến việc cùng một tài sản được đếm nhiều lần. Ngoài ra, thị trường tập trung cao vào một số ít cổ phiếu công nghệ, trong khi các quỹ chỉ số chiếm chưa đến 5%. Đáng chú ý, SpaceX vẫn thu hút nhiều nhà đầu tư token hóa hơn cả các cổ phiếu trong chỉ số, dù đã niêm yết trên Nasdaq. Mặc dù số lượng ví tăng mạnh, giá trị phân bổ chỉ tăng 16% và khối lượng giao dịch hàng tháng lại giảm 31,5%. Điều này cho thấy sự tăng trưởng hiện tại chủ yếu đến từ việc mở rộng số lượng tài khoản mới ở một vài nền tảng cụ thể, hơn là từ sự mở rộng quy mô thị trường hoặc hoạt động giao dịch sôi động. Sự phát triển bền vững sẽ cần sự gia tăng đồng thời của số người nắm giữ, khối lượng giao dịch và quy mô đầu tư trung bình.

cryptonews.ru55 phút trước

Số lượng người nắm giữ cổ phiếu token hóa đạt mức kỷ lục 766 nghìn, tăng 93% trong 30 ngày

cryptonews.ru55 phút trước

Giao dịch

Giao ngay
活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow