微信扫描二维码 连忙在线咨询
一种数据剖析的要领及装置
2023-06-16
本发明提供了一种数据剖析的要领及装置，，，，，，其中，，，，，，该数据剖析的要领通过凭证预先设置的事务分类战略，，，，，，看待剖析数据集中的待剖析数据举行事务分类，，，，，，获得事务数据集，，，，，，进而，，，，，，凭证预先设置的营业类型分类战略，，，，，，对该事务数据集中的待剖析数据举行营业类型分类，，，，，，获得营业类型数据集，，，，，，依据该营业类型数据集映射的决议库以及影响效果库，，，，，，提取该营业类型数据集中待剖析数据包括的决议行为和影响效果，，，，，，依据预设的语义剖析战略，，，，，，获取提取的决议行为对应的影响效果，，，，，，针对每一事务，，，，，，划分以该事务、该事务对应的营业类型、提取的决议行为、提取的影响效果为节点，，，，，，构建该事务的知识图谱。 。。 。。。�？？？？？梢蕴岣呤莸钠饰鲂�。 。。 。。。
一种数据剖析的要领，，，，，，其特征在于，，，，，，所述要领包括：凭证预先设置的事务分类战略，，，，，，看待剖析数据集中的待剖析数据举行事务分类，，，，，，获得事务数据集； ；；；；；；；针对每一事务数据集，，，，，，凭证预先设置的营业类型分类战略，，，，，，对该事务数据集中的待剖析数据举行营业类型分类，，，，，，获得营业类型数据集； ；；；；；；；针对每一营业类型数据集，，，，，，依据该营业类型数据集映射的决议库以及影响效果库，，，，，，提取该营业类型数据集中待剖析数据包括的决议行为和影响效果； ；；；；；；；依据预设的语义剖析战略，，，，，，获取提取的决议行为对应的影响效果； ；；；；；；；针对每一事务，，，，，，划分以该事务、该事务对应的营业类型、提取的决议行为、提取的影响效果为节点，，，，，，构建该事务的知识图谱。 。。 。。。
申请号：CN202010006079.4
申请（专利权）人：btt博天堂
果真日期（果真）：2020.05.29
果真日期（授权）：2023.06.16
推荐阅读
全球双榜SOTA！明略科技专有大模子 Mano开启GUI智能操作新时代
2025-09-28
明略科技推出的GUI大模子Mano在Mind2Web和OSWorld两大基准测试中取得了创纪录的SOTA效果，，，，，，乐成率抵达40.1%。 。。 。。。通过在线强化学习和自动数据收罗，，，，，，Mano为GUI智能体领域提供了可扩展的新范式，，，，，，显著提升了重大使命的执行能力。 。。 。。。该手艺的突破不但推动了自动化界线的扩展，，，，，，也为企业智能化转型提供了强有力的支持
相识更多
官宣！明略科技推出专有大模子产品线DeepMiner，，，，，，可信商业数据剖析智能体终于能用了！
2025-09-22
明略科技推出专有大模子产品线DeepMiner，，，，，，以“可信智能体+可信数据”双轮驱动，，，，，，解决企业智能体落地中幻觉率高、历程不透明等痛点。 。。 。。。该产品通过多智能体协同架构、企业级数据整合及全流程透明化设计，，，，，，降低幻觉率并支持知识沉淀，，，，，，其自研Mano和Cito模子划分实现精准执行与深度推理，，，，，，助力企业构建可信生产力。 。。 。。。
相识更多
明略科技 Mano Technical Report
2025-09-18
Graphical user interfaces (GUIs) are the primary medium for human-computer interaction, yet automating GUI interactions remains challenging due to the complexity of visual elements, dynamic environments, and the need for multi-step reasoning. Existing methods based on vision-language models (VLMs) often suffer from limited resolution, domain mismatch, and insufficient sequential decisionmaking capability. To address these issues, we propose Mano, a robust GUI agent built upon a multi-modal foundation model pre-trained on extensive web and computer system data. Our approach integrates a novel simulated environment for high-fidelity data generation, a three-stage training pipeline (supervised fine-tuning, offline reinforcement learning, and online reinforcement learning), and a verification module for error recovery. Mano demonstrates state-of-the-art performance on multiple GUI benchmarks, including Mind2Web and OSWorld, achieving significant improvements in success rate and operational accuracy. Our work provides new insights into the effective integration of reinforcement learning with VLMs for practical GUI agent deployment, highlighting the importance of domain-specific data, iterative training, and holistic reward design.
相识更多联系btt博天堂
关注明略
在线咨询
销售热线
400-893-8989
投资者关系
ir@mininglamp.com
媒体联络
pr@miningalmp.com
Copyright@2025 btt博天堂 京ICP备15016868号 京公网安备11010802024262
信息填写
