FaraGen1.5 и семейство Fara1.5: масштабируемая генерация данных для агентов работы с компьютером
Сбор данных о том, как люди работают с компьютером, через демонстрации по‑прежнему обходится дорого и занимает много времени. Поэтому исследователи ищут способы масштабировать генерацию таких данных. В работе, о которой пишет arXiv cs.AI (Artificial Intelligence), описана система FaraGen1.5. Это конвейер подготовки данных для computer use agents, собранный из трёх модульных частей: environments, solvers и verifiers.
FaraGen1.5 работает как с реальными веб‑сайтами, так и с синтетическими средами. Последние имитируют домены с авторизацией или действиями, которые нельзя отменить. В систему также входит solver harness, способный запускать несколько моделей, включая frontier‑модели вроде GPT-5.4. Дополнительно используется пользовательский симулятор, который позволяет разыгрывать многошаговые взаимодействия (multi-turn rollouts).
Траектории действий, полученные в процессе, проходят проверку через три взаимодополняющих verifiers. Они оценивают, правильно ли выполнена задача, насколько эффективным был процесс и соблюдены ли критические точки сценария. На данных, созданных этим конвейером, исследователи обучили семейство агентов Fara1.5. Это native computer use agents (CUAs) трёх масштабов на базе Qwen3.5: 4B, 9B и 27B. Для обучения применялся подход supervised finetuning (SFT).
Ключевые факты
В работе представлен конвейер генерации данных FaraGen1.5, состоящий из трёх модульных компонентов: environments, solvers и verifiers.
FaraGen1.5 использует как реальные веб‑сайты, так и синтетические среды, которые имитируют домены с аутентификацией или действиями, имеющими необратимые последствия.
В системе используется solver harness, который может работать с несколькими моделями, включая GPT-5.4, а также симулятор пользователя для многошаговых rollouts.
На данных из этого конвейера обучено семейство компьютерных агентов Fara1.5 на базе Qwen3.5 в трёх масштабах: 4B, 9B и 27B.