基于二分类模子验证新渠道特征工程准确性的要领及装置-明略科技

首页明略研究基于二分类模子验证新渠道特征工程准确性的要领及装置

基于二分类模子验证新渠道特征工程准确性的要领及装置

2022-03-01

本申请提供一种基于二分类模子验证新渠道特征工程准确性的要领及装置，，，，，涉及风控手艺领域。。。。。。。。本申请实验例通过获取新渠道用户的特征信息和已有渠道用户的特征信息，，，，，凭证预设二分类模子和预设算法，，，，，盘算获取新渠道用户的特征信息和已有渠道用户的特征信息的区分度，，，，，若区分度大于或即是预设阈值，，，，，则凭证预设规则对新渠道用户的特征信息举行准确性验证，，，，，可以快速确定是否需要对新渠道用户的特征信息举行准确性验证，，，，，无需对特征信息举行逐一较量，，，，，从而可以镌汰新渠道特征工程准确性验证的时长，，，，，实现快速有用地对新渠道特征工程准确性举行验证。。。。。。。。

一种基于二分类模子验证新渠道特征工程准确性的要领，，，，，其特征在于，，，，，包括：获取新渠道用户的特征信息和已有渠道用户的特征信息；；；；；；；；凭证预设二分类模子和预设算法，，，，，盘算获取所述新渠道用户的特征信息和所述已有渠道用户的特征信息的区分度；；；；；；；；其中，，，，，所述预设二分类模子通过样本特征信息荟萃训练获�。。。。。。。。�，，所述样本特征信息荟萃包括：样本特征信息，，，，，所述样本特征信息包括已有渠道用户的特征信息和新渠道用户的特征信息，，，，，且所述已有渠道用户的特征信息包括已有渠道标签、所述新渠道用户的特征信息包括新渠道标签；；；；；；；；若所述区分度大于或即是预设阈值，，，，，则凭证预设规则对所述新渠道用户的特征信息举行准确性验证。。。。。。。。

申请号：CN201911039264.7
申请（专利权）人：btt博天堂
果真日期（果真）：2020.02.11
果真日期（授权）：2022.03.01

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：明略科技推出数据智能新产品，，，，，资助企业用客户视角看天下

下一篇：明略科技形成效劳型企业数字化的要领论闭环

返回行业资讯