用户情绪的展望要领、装置、电子装备和可读存储介质-明略科技

首页明略研究用户情绪的展望要领、装置、电子装备和可读存储介质

用户情绪的展望要领、装置、电子装备和可读存储介质

2021-12-28

本申请提供了一种用户情绪的展望要领、装置、电子装备和可读存储介质，，，，，，，，属于知识推理手艺领域。。。。。。。所述要领包括：确定目今会话信息对应的多种待选话术；；；；；；；；通过实体识别计划识别出目的实体和目的事务；；；；；；；；从数据库中选取至少部分包括所述目的实体和所述目的事务的目的知识图谱；；；；；；；；将所述目的知识图谱对应的目的情绪种别作为所述目的话术对应的展望情绪种别。。。。。。。本申请提高了展望情绪类别的准确率。。。。。。。

一种用户情绪的展望要领，，，，，，，，其特征在于，，，，，，，，所述要领包括：确定目今会话信息对应的多种待选话术，，，，，，，，其中，，，，，，，，所述目今会话信息为目的用户发出的第一会话信息，，，，，，，，所述待选话术能够为所述目的用户提供情绪价值；；；；；；；；通过实体识别计划识别出目的实体和目的事务，，，，，，，，其中，，，，，，，，所述目的实体和所述目的事务至少由目的话术获得，，，，，，，，所述目的话术为所述待选话术中的恣意一个话术；；；；；；；；从数据库中选取至少部分包括所述目的实体和所述目的事务的目的知识图谱，，，，，，，，其中，，，，，，，，数据库中包括多个样本知识图谱，，，，，，，，所述样本知识图谱是基于样本会话信息获得的，，，，，，，，每个所述样本知识图谱对应一种情绪种别；；；；；；；；将所述目的知识图谱对应的目的情绪种别作为所述目的话术对应的展望情绪种别，，，，，，，，其中，，，，，，，，所述展望情绪种别用于指示所述目的用户看到所述目的话术时爆发的情绪。。。。。。。

申请号：CN202110974118.4
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：一种项目需求的天生要领、装置、电子装备及存储介质

下一篇：一种基于在线会话标注的模子训练要领及装置

返回行业资讯