[논문리뷰] Fara-7B: An Efficient Agentic Model for Computer Use

링크: 논문 PDF로 바로 열기

저자: Ahmed Awadallah⁺, Yash Lara, Raghav Magazine, Hussein Mozannar*, Akshay Nambi, Yash Pandya, Aravind Rajeswaran, Corby Rosset*, Alexey Taymanov*, Vibhav Vineet, Spencer Whitehead*, Andrew Zhao

핵심 연구 목표

본 논문은 컴퓨터 사용 에이전트(CUA) 훈련을 위한 고품질 상호작용 데이터의 부족 문제 를 해결하고, 적은 연산 자원으로 온디바이스에서 실행 가능한 효율적인 에이전트 모델 을 개발하는 것을 목표로 합니다. 이를 통해 CUA 기술의 상업적 활용 가능성을 확장하고 범용 개인 디지털 비서의 길을 열고자 합니다.

핵심 방법론

연구팀은 FaraGen 이라는 확장 가능한 합성 데이터 생성 엔진을 제안합니다. 이 엔진은 Task Proposal, Task Solving (Orchestrator 및 WebSurfer 에이전트를 포함한 멀티-에이전트 시스템 사용), Trajectory Verification (Alignment, Rubric, Multimodal 검증기 활용)의 세 가지 단계로 구성됩니다. 이렇게 생성된 145K개의 궤적 데이터 를 바탕으로, Qwen2.5-VL-7B 를 기반으로 하는 7B 파라미터 모델인 Fara-7B 를 훈련시켰으며, 이 모델은 스크린샷 만을 입력으로 받아 클릭 좌표 와 같은 원자적 행동을 직접 출력하는 "pixel-in, action-out" 방식 을 채택합니다.

주요 결과

FaraGen 은 검증된 웹 궤적을 태스크당 약 $1 의 비용으로 생성하여 데이터 희소성 문제를 해결했습니다. Fara-7B 는 WebVoyager 벤치마크 에서 73.5%의 성공률 을 달성하여 동급 모델들을 능가하고, GPT-40 기반 SoM 에이전트 와 경쟁할 만한 성능을 보입니다. 특히, 새롭게 도입된 WebTailBench 벤치마크 에서는 38.4% 로 동급 모델 중 가장 높은 성능을 기록했으며, 태스크당 평균 $0.025 의 낮은 비용으로 높은 효율성을 입증했습니다.

AI 실무자를 위한 시사점

본 연구는 고품질 합성 데이터 가 소형 모델의 에이전트 능력을 크게 향상시킬 수 있음을 보여주며, 온디바이스 실행 가능한 CUA 개발의 중요한 가능성을 제시합니다. "pixel-in, action-out" 접근 방식 은 DOM 파싱 의존성을 제거하여 복잡하고 동적인 웹 환경에 더 강인한 에이전트를 만들 수 있음을 시사합니다. WebTailBench 는 실제 웹 태스크의 포괄적인 평가를 위한 새로운 표준을 제공하여 실무자들이 보다 현실적인 환경에서 모델을 평가하고 개선하는 데 기여할 것입니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.