一种构词细密度确定要领、装置、电子装备及存储介质-明略科技

首页明略研究一种构词细密度确定要领、装置、电子装备及存储介质

一种构词细密度确定要领、装置、电子装备及存储介质

2021-09-17

本申请涉及一种构词细密度确定要领、装置、电子装备及存储介质。。。。。。其中，，，，，要领包括：获取目的词库，，，，，其中，，，，，目的词库中包括候选汉字和由候选汉字组成的候选词语；；；；；通过确定每个候选词语中包括的候选汉字，，，，，来确定目的词库对应的共现关系；；；；；基于共现关系盘算获得每两个候选汉字之间的汉字间构词细密度；；；；；基于共现关系盘算获得每个候选汉字与每个候选词语之间的字词间构词细密度。。。。。。本申请不需要大规模训练数据集，，，，，只需基于目的词库对应的共现关系，，，，，即可快速确定出没两个候选汉字之间的汉字间构词细密度，，，，，以及每个候选汉字与每个候选词语之间的字词间构词细密度，，，，，便于后期盘算获得每个候选汉字的字向量。。。。。。

一种构词细密度确定要领，，，，，其特征在于，，，，，包括：获取目的词库，，，，，其中，，，，，所述目的词库中包括候选汉字和由所述候选汉字组成的候选词语；；；；；通过确定每个所述候选词语中包括的所述候选汉字，，，，，来确定所述目的词库对应的共现关系，，，，，其中，，，，，所述共现关系用于指示所述候选汉字与其他候选汉字以及所述候选词语中至少之一之间的构词关系；；；；；基于所述共现关系盘算获得每两个所述候选汉字之间的汉字间构词细密度，，，，，其中，，，，，每两个所述候选汉字之间的所述汉字间构词细密度用于形貌每两个所述候选汉字在举行构词时的相关性；；；；；基于所述共现关系盘算获得每个所述候选汉字与每个所述候选词语之间的字词间构词细密度，，，，，其中，，，，，所述字词间构词细密度用于形貌所述字词间构词细密度对应的所述候选汉字与所述候选词语在举行构词时的相关性。。。。。。

申请号：CN202110636673.6
申请（专利权）人：btt博天堂
果真日期（果真）：2021.09.03
果真日期（授权）：2024.03.22

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

上一篇：用户标签的天生要领、装置、电子装备及可读存储介质

下一篇：2021年中国电机工程学会人工智能专委会年会召开，，，，，明略科技受邀出席并做专题报告

返回行业资讯