推荐概率的输出要领及装置、存储介质、电子装备-明略科技

首页明略研究推荐概率的输出要领及装置、存储介质、电子装备

推荐概率的输出要领及装置、存储介质、电子装备

2024-03-01

本发明果真了一种推荐概率的输出要领及装置、存储介质、电子装备，，，，，，属于人工智能领域。。。。。。。其中，，，，，，该要领包括：获取候选物料的物料信息，，，，，，其中，，，，，，所述物料信息包括结构化名堂的第一数据和多模态名堂的第二数据；；；；；；对所述第一数据举行映射编码，，，，，，获得第一维度的第一特征数据；；；；；；对所述第二数据举行全毗连变换，，，，，，获得所述第一维度的第二特征数据；；；；；；凭证所述第一特征数据和所述第二特征数据基于推荐模子输出向目的用户推荐所述候选物料的推荐概率。。。。。。。通过本发明，，，，，，解决了相关手艺中的推荐模子推荐禁绝确的手艺问题，，，，，，增添了推荐模子的营业规模，，，，，，提高了推荐模子的推荐效果。。。。。。。

一种推荐概率的输出要领，，，，，，其特征在于，，，，，，包括：获取候选物料的物料信息，，，，，，其中，，，，，，所述物料信息包括结构化名堂的第一数据和多模态名堂的第二数据；；；；；；对所述第一数据举行映射编码，，，，，，获得第一维度的第一特征数据；；；；；；对所述第二数据举行全毗连变换，，，，，，获得所述第一维度的第二特征数据；；；；；；凭证所述第一特征数据和所述第二特征数据基于推荐模子输出向目的用户推荐所述候选物料的推荐概率。。。。。。。

申请号：CN202011320852.0
申请（专利权）人：btt博天堂
果真日期（果真）：2021.03.09
果真日期（授权）：2024.03.01

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：数据库模式扩展要领、装置、装备及盘算机可读介质

下一篇：问询信息分类要领、模子训练要领、装置和电子装备

返回行业资讯