一种文本匹配要领、装置、电子装备及存储介质-明略科技

首页明略研究一种文本匹配要领、装置、电子装备及存储介质

一种文本匹配要领、装置、电子装备及存储介质

2021-12-28

本申请提供了一种文本匹配要领、装置、电子装备及存储介质，，，，，，，该要领包括：获取与用户输入的盘问问题相对应的候选问答对；；；；；；；；凭证盘问问题与每个候选问答对中候选问题和候选谜底的交互，，，，，，，确定盘问问题的第一增强向量、每个候选问题的第二增强向量和每个候选谜底的第三增强向量；；；；；；；；凭证第一增强向量、第二增强向量和第三增强向量，，，，，，，盘算盘问问题与每个候选问答对中候选问题和候选谜底的匹配度，，，，，，，获得候选问答对的综合匹配度；；；；；；；；将知足预设匹配条件的候选问答对中的候选谜底作为盘问问题的盘问谜底，，，，，，，并反响给用户；；；；；；；；本申请中的盘问问题，，，，，，，既思量到了盘问问题与候选问题的相似性，，，，，，，又思量到了盘问问题与候选谜底的相关性，，，，，，，能够越发准确的筛选出盘问谜底。。。。。。。。

一种文本匹配要领，，，，，，，其特征在于，，，，，，，所述要领包括：获取与用户输入的盘问问题相对应的候选问答对，，，，，，，所述候选问答对是从预设的问答对检索库中选取获得的；；；；；；；；其中，，，，，，，所述候选问答对中包括候选问题和每个候选问题对应的候选谜底；；；；；；；；凭证所述盘问问题与每个候选问答对中候选问题和候选谜底的交互，，，，，，，确定所述盘问问题对应的第一增强向量、每个所述候选问题对应的第二增强向量和每个所述候选谜底对应的第三增强向量；；；；；；；；凭证所述盘问问题对应的第一增强向量、每个所述候选问题对应的第二增强向量和每个所述候选谜底对应的第三增强向量，，，，，，，盘算所述盘问问题与每个候选问答对中候选问题和候选谜底的匹配度，，，，，，，获得所述候选问答对的综合匹配度；；；；；；；；将对应的综合匹配度知足预设匹配条件的候选问答对中的候选谜底作为所述盘问问题的盘问谜底，，，，，，，并将所述盘问谜底反响给用户。。。。。。。。

申请号：CN202110972219.8
申请（专利权）人：btt博天堂
果真日期（果真）：2021.09.21
果真日期（授权）：2021.12.28

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：明略科技搭建都会数据中台提升都会运行治理能力

下一篇：一种信息处置惩罚要领、装置、电子装备及存储介质

返回行业资讯