Brave浏览器Leo功能:自定义蒸馏脚本的优化与启用
概述
Brave浏览器团队近期对其内置的Leo人工智能助手功能进行了一项重要更新,主要针对自定义蒸馏脚本(custom distiller scripts)的执行流程进行了优化,并将该功能设为默认启用状态。这项改进显著提升了Leo在处理网页内容时的灵活性和效率。
技术背景
在Brave浏览器的Leo功能中,"蒸馏脚本"是指那些专门用于从网页中提取、处理和优化内容的JavaScript脚本。这些脚本运行在特殊的网页框架上下文中,能够智能地识别和提取网页中的核心内容,同时过滤掉无关的广告、导航栏等干扰元素。
在之前的版本中,自定义蒸馏脚本的使用流程相对复杂,需要用户进行额外的配置步骤。这不仅增加了用户的学习成本,也限制了该功能的普及和应用。
改进内容
本次更新主要包含两个核心改进:
-
流程简化:重构了自定义蒸馏脚本的执行机制,使其能够更自然地融入网页上下文环境。新的实现方式减少了中间环节,使脚本执行更加直接高效。
-
默认启用:将这一功能从可选配置转变为默认开启状态,所有用户无需额外设置即可享受自定义蒸馏脚本带来的内容优化体验。
技术实现细节
为了实现这一改进,开发团队对浏览器内核进行了以下调整:
- 重构了脚本注入机制,确保自定义蒸馏脚本能够安全地在隔离的网页框架中执行
- 优化了脚本与Leo核心功能的通信协议,降低了数据传输延迟
- 增强了错误处理机制,确保脚本执行失败时不会影响主页面功能
- 实现了更精细的权限控制,保障用户隐私和安全
用户体验提升
这项更新为用户带来了明显的体验改善:
-
响应速度更快:优化后的脚本执行流程减少了中间环节,Leo对网页内容的处理速度显著提升。
-
内容提取更精准:自定义脚本能够更准确地识别网页中的核心内容,过滤无关元素的效率更高。
-
使用门槛降低:默认启用的设置让更多用户能够无感地享受到这一高级功能带来的便利。
兼容性考虑
该更新已通过Windows 11平台上的全面测试,确保在Brave浏览器的稳定版和测试版中都能正常工作。团队特别关注了不同网页结构下的脚本执行稳定性,确保在各种复杂页面布局下都能保持可靠的表现。
未来展望
这项改进为Brave浏览器的AI功能奠定了更坚实的基础。未来团队可能会在此基础上进一步扩展功能,比如:
- 增加更多预设的蒸馏脚本模板
- 开发可视化脚本编辑工具
- 实现基于用户反馈的脚本自动优化
- 探索机器学习在内容蒸馏中的应用
总结
Brave浏览器通过对Leo功能中自定义蒸馏脚本的优化和默认启用,再次展现了其在浏览器创新方面的领先地位。这项改进不仅提升了现有功能的易用性和效率,也为未来更智能的网页内容处理能力开辟了道路。对于追求高效网络浏览体验的用户来说,这无疑是一个值得期待的重要更新。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00