一种项目需求的天生要领、装置、电子装备及存储介质-明略科技

首页明略研究一种项目需求的天生要领、装置、电子装备及存储介质

一种项目需求的天生要领、装置、电子装备及存储介质

2021-12-28

本申请提供了一种项目需求的天生要领、装置、电子装备及存储介质，，，，，获取在目的项现在期调研时爆发的多条项目相同信息，，，，，从多条项目相同信息中提取出至少一个候选需求词以及每一个候选需求词对应的需求标签；；；；；；凭证预设的需求标签与需求置信度之间的映射关系，，，，，将需求置信度大于预设置信度阈值的候选需求词，，，，，确定为目的需求词；；；；；；凭证确定出的多个目的需求词以及目的项目匹配的项目信息模板，，，，，天生目的项目交付需求信息。。。。。在本申请中，，，，，通过对多条项目相同信息举行要害词提�。。。。。�，，，，获得多个目的需求词，，，，，团结与目的项目匹配的项目信息模板，，，，，自动天生目的项目交付需求信息，，，，，镌汰了逐条对项目相同信息举行剖析的时间，，，，，有助于提高天生目的项目交付需求信息的效率。。。。。

一种项目交付需求的天生要领，，，，，其特征在于，，，，，所述天生要领包括：获取用户在对目的项现在期调研时爆发的多条项目相同信息，，，，，从所述多条项目相同信息中提取出至少一个候选需求词，，，，，以及每一个候选需求词对应的需求标签；；；；；；凭证预设的需求标签与需求置信度之间的映射关系，，，，，确定出各个候选需求词对应的需求置信度，，，，，并将需求置信度大于预设置信度阈值的候选需求词，，，，，确定为目的需求词；；；；；；凭证确定出的多个目的需求词以及与目的项目匹配的项目信息模板，，，，，天生目的项目交付需求信息。。。。。

申请号：CN202110927275.X
申请（专利权）人：btt博天堂
果真日期（果真）：2021.09.10
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CEO吴明辉：效劳型组织怎样实现数字化转型？？？？？

下一篇：用户情绪的展望要领、装置、电子装备和可读存储介质

返回行业资讯