第一名！明略科技荣获浙江“智慧高速”公路算法竞赛全场大奖-明略科技

首页明略研究第一名！明略科技荣获浙江“智慧高速”公路算法竞赛全场大奖

第一名！明略科技荣获浙江“智慧高速”公路算法竞赛全场大奖

2020-01-22

克日，，，，，明略科技加入了由浙江交通投资集团主理的2019浙江“智慧高速”算法竞赛“，，，，，并以速率最快且准确度最高，，，，，取得了“车辆特征判别车型“赛题的第一名，，，，，也以召回率最高在“以图搜车路径轨迹唬�；；；；；；乖敝刑逑志省！！�。。。。与�？？？？？低印⒋蠡萍嫉�14家单位及20余名行业专家配合加入竞赛，，，，，明略科技荣获全场“专业奖”。。。。。。。

明略科技从解决高速公路目今营业痛点出发，，，，，针对内外部审核的海量数据、人工审核的极高难度等问题做到了算法的强应用性。。。。。。。同时，，，，，这也是我们在车辆识别领域，，，，，做出的起步式突破，，，，，支持了进一步落地。。。。。。。

迩来，，，，，智慧高速建设已成为落实交通强国国家战略的主要行动。。。。。。。明略科技更智能的算法，，，，，将助力更智能的出行，，，，，在智慧交通高速网建设历程中，，，，，以高速公路为抓手，，，，，资助推进智慧化提升刷新的一系列事情。。。。。。。详细来说，，，，，针对例如所需省份单位的高速公路收费（ETC收费）和卡口数据，，，，，高速营运车辆基本信息及轨迹监控数据，，，，，高速公路车道、路况、设施和天气等客观情形数据等大宗交通行业数据，，，，，通过越发立异的算法和人工智能，，，，，构建智慧运营所需的数据中台及智能应用，，，，，为高速清静水平和公共出行效率提供有力的手艺包管。。。。。。。

在智慧交通、智慧高速建设的大配景下，，，，，明略科技深耕交通行业数据平台及知识图谱构建，，，，，熟知高速公路领域信息化相关的前沿算法和系统架构，，，，，具备专业的应用模子安排履历。。。。。。。作为更具行业Know-how的新一代数据中台先行者，，，，，通过深度挖掘交通数据价值，，，，，为营业赋能。。。。。。。助力包管高速公路的清静、流通、高效运行；；；；；；；；资助提高高速公路信息化水平和效劳水平；；；；；；；；为实现我国公路交通系统重构、标准统一、联网联控和智能智慧等生长目的，，，，，提供可落地的大数据及人工智能解决计划。。。。。。。

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.

下一篇：明略科技荣获“全球三十大最佳AI创业公司”

返回行业资讯

btt博天堂