标签同义词的扩充要领、扩充装置、电子装备及存储介质-明略科技

首页明略研究标签同义词的扩充要领、扩充装置、电子装备及存储介质

标签同义词的扩充要领、扩充装置、电子装备及存储介质

2023-08-26

本申请提供了一种标签同义词的扩充要领、扩充装置、电子装备及存储介质，，，，，，，，其中，，，，，，，，所述扩充要领包括：首先获取一段目的文本以及针对所述目的文本的预设标签；；；；；然后从所述目的文本中，，，，，，，，确定出多种字符串长度，，，，，，，，以及在每种字符串长度下的多个文本标签，，，，，，，，确定每个所述文本标签与所述预设标签之间的相似度；；；；；最后从确定出的多个文本标签中确定相似度最大的文本标签为预设标签同义词。。。。。。本计划在知晓一段目的文本和预设标签的情形下，，，，，，，，通过本申请提供的标签同义词的扩充要领，，，，，，，，从目的文本中攫取其中一段文本作为预设标签的同义词，，，，，，，，可以有用快速的从文本中提取泛起有标签的标签同义词，，，，，，，，提高了事情效率，，，，，，，，降低了时间本钱。。。。。。

一种标签同义词的扩充要领，，，，，，，，其特征在于，，，，，，，，所述扩充要领包括：获取一段目的文本以及针对所述目的文本的预设标签；；；；；从所述目的文本中，，，，，，，，确定出多种字符串长度，，，，，，，，以及在每种字符串长度下的多个文本标签，，，，，，，，确定每个所述文本标签与所述预设标签之间的相似度；；；；；从确定出的多个文本标签中确定相似度最大的文本标签为预设标签同义词。。。。。。

申请号：CN202010553900.4
申请（专利权）人：btt博天堂
果真日期（果真）：2020.09.25
果真日期（授权）：2023.08.25

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：基于知识图谱的问答系统中的处置惩罚要领和装置

返回行业资讯