GUI 자동화 VLM 'Holo1' 공개

H Company가 GUI 이해와 정밀한 위치 파악(localization)에 최적화된 Action VLM 제품군인 Holo1과 멀티모달 로컬라이제이션 벤치마크인 WebClick을 출시했다.

Holo1은 Holo1-3B와 Holo1-7B 모델로 구성되며, 7B 모델은 소형 모델 중 최고 수준인 76.2%의 UI 로컬라이제이션 정확도를 기록했다. 이 모델들은 Qwen2.5-VL 아키텍처를 기반으로 하며, Transformers 라이브러리와 완벽히 호환된다.

Holo1을 기반으로 하는 웹 네이티브 에이전트 Surfer-H는 브라우저를 실제 사용자처럼 조작하며, 다음과 같은 세 가지 독립적인 모듈로 구성된다:

• Policy 모델: 에이전트의 행동을 계획하고 구동
• Localizer 모델: 정밀한 상호작용을 위해 시각적 UI 이해
• Validator 모델: 작업 완료 여부 확인

Surfer-H는 WebVoyager 벤치마크에서 뛰어난 비용 효율성을 입증했다. 실제 웹 작업에서 92.2%의 정확도를 달성하면서도, 작업당 비용을 $0.13 수준으로 낮추어 실용성을 높였다.