一种白皮书天生要领、装置、装备及存储介质-明略科技

首页明略研究一种白皮书天生要领、装置、装备及存储介质

一种白皮书天生要领、装置、装备及存储介质

2021-11-02

本申请提供了一种白皮书天生要领、装置、装备及存储介质，，，，，其中，，，，，该要领包括：将目的文本作为要害词抽取模子的输入数据，，，，，获得至少一个要害词；；；；；；将各要害词作为话术天生模子的输入数据，，，，，获得至少一个话术模板；；；；；；针对每个话术模板中的每个待填充位置，，，，，凭证各历史要害词在该待填充位置处泛起的词频，，，，，将在各要害词中确定的第一要害词填充至该待填充位置，，，，，以获得目的话术文本；；；；；；针对每个目的话术文本包括的每个目的字词，，，，，凭证历史字词在目的白皮书模板的各段落主题下泛起的频率，，，，，将该目的话术文本填充至与其匹配度最高的段落主题下，，，，，以获得目的行业的白皮书；；；；；；通过上述要领，，，，，有利于降低人工事情量和人工本钱。。。。。。

一种白皮书天生要领，，，，，其特征在于，，，，，包括：将获取到的至少一个目的文本作为要害词抽取模子的输入数据，，，，，获得从各所述目的文本中确定的至少一个要害词，，，，，其中，，，，，所述目的文本为用于形貌目的行业的文本，，，，，所述要害词为所述目的文本中泛起的词频大于或者即是预设阈值的词语；；；；；；将要害词组作为话术天生模子的输入数据，，，，，获得为所述要害词组匹配的至少一个话术模板，，，，，其中，，，，，所述要害词组包括各所述要害词；；；；；；针对每个话术模板中的每一个待填充位置，，，，，凭证各历史要害词在该待填充位置处泛起的词频，，，，，在所述要害词组中确定第一要害词，，，，，其中，，，，，与所述第一要害词相同的历史要害词所对应的第一词频大于或者即是与第二要害词相同的历史要害词所对应的第二词频，，，，，所述第二要害词包括所述要害词组中除所述第一要害词之外的其他要害词，，，，，各所述历史要害词包括在至少一个历史白皮书中确定的要害词，，，，，各所述历史白皮书针对的行业领域与所述目的行业所属的行业领域相同；；；；；；将所述第一要害词填充至该待填充位置，，，，，以获得目的话术文本；；；；；；针对每一个目的话术文本包括的每一个目的字词，，，，，凭证与该目的字词相同的历史字词在目的白皮书模板的各段落主题下泛起的频率，，，，，确定该目的话术文本与各段落主题的匹配度，，，，，其中，，，，，所述目的字词是通过对该目的话术文本举行分词处置惩罚获得的，，，，，所述历史字词是通过对至少一个历史话术文本举行分词处置惩罚获得的，，，，，各所述历史话术文本包括：在各所述历史白皮书中位于各所述段落主题下的文本，，，，，所述目的白皮书模板针对的行业领域与所述目的行业所属的行业领域相同；；；；；；将该目的话术文本填充至与其匹配度最高的段落主题下，，，，，以获得所述目的行业的白皮书。。。。。。

申请号：CN202110894357.9
申请（专利权）人：btt博天堂
果真日期（果真）：2021.09.07
果真日期（授权）：2021.11.02

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：一种实体对齐要领、装置、装备及介质

下一篇：一种基于语义向量的文档标记要领、装置及介质

返回行业资讯