协作使命的处置惩罚要领、装置、电子装备和可读存储介质-明略科技

首页明略研究协作使命的处置惩罚要领、装置、电子装备和可读存储介质

协作使命的处置惩罚要领、装置、电子装备和可读存储介质

2022-05-07

本申请提供了一种协作使命的处置惩罚要领、装置、电子装备和可读存储介质，，，，，，属于协作处置惩罚手艺领域。。。。。所述要领包括：在可视化协作平台中检测到组件启动操作的情形下，，，，，，启动协作新闻组件，，，，，，其中，，，，，，所述可视化协作平台为�？？？？？？？榛缑�；；；；；；；基于所述协作新闻组件，，，，，，在吸收到预设展示指令的情形下，，，，，，在所述�？？？？？？？榛缑嬷姓故拘餍挛糯翱冢�，，，，其中，，，，，，所述协作新闻窗口中的每个协作新闻框对应一个协作使命卡片，，，，，，每个协作使命卡片对应所述�？？？？？？？榛缑嬷械闹辽僖桓瞿？？？？？？？�；；；；；；；通过所述协作新闻窗口中的预设操作，，，，，，对目的协作使命卡片对应的目的协作使命举行协作处置惩罚。。。。。本申请能够提高协作效率。。。。。

一种协作使命的处置惩罚要领，，，，，，其特征在于，，，，，，所述要领包括：在可视化协作平台中检测到组件启动操作的情形下，，，，，，启动协作新闻组件，，，，，，其中，，，，，，所述可视化协作平台为�？？？？？？？榛缑�；；；；；；；基于所述协作新闻组件，，，，，，在吸收到预设展示指令的情形下，，，，，，在所述�？？？？？？？榛缑嬷姓故拘餍挛糯翱冢�，，，，其中，，，，，，所述协作新闻窗口中的每个协作新闻框对应一个协作使命卡片，，，，，，每个协作使命卡片对应所述�？？？？？？？榛缑嬷械闹辽僖桓瞿？？？？？？？�；；；；；；；通过所述协作新闻窗口中的预设操作，，，，，，对目的协作使命卡片对应的目的协作使命举行协作处置惩罚。。。。。

申请号：CN202210150037.7
申请（专利权）人：btt博天堂
果真日期（果真）：2022.03.18
果真日期（授权）：2022.05.17

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：坚持数据智能偏向，，，，，，明略科技16周年足迹盘货（文末有彩蛋）

下一篇：一种文本标注要领和装置、盘算机可读存储介质

返回行业资讯