问询信息分类要领、模子训练要领、装置和电子装备-明略科技

首页明略研究问询信息分类要领、模子训练要领、装置和电子装备

问询信息分类要领、模子训练要领、装置和电子装备

2024-03-01

本申请提供了一种问询信息分类要领、模子训练要领、装置和电子装备，，，，，，，其中，，，，，，，该要领包括：获取问询信息；；；；；；基于所述语义提取模子层提取所述问询信息的语义向量以及所述问询信息中每个字在主题语境下的主题潜在类型向量和意图语境下的意图潜在类型向量；；；；；；将所述语义向量以及所述主题潜在类型向量和和所述意图潜在类型向量输入到所述分类器层获得主题分类效果和意图分类效果。。。。。通过本申请，，，，，，，解决了相关手艺中保存获得有用的分类特征的问题，，，，，，，提高了问询信息的识别准确率。。。。。

一种问询信息分类要领，，，，，，，其特征在于，，，，，，，所述问询信息基于预先训练的分类模子举行分类，，，，，，，所述分类模子包括预先训练的语义提取模子层和预先训练的分类器模子层，，，，，，，所述分类要领包括：获取问询信息；；；；；；基于所述语义提取模子层提取所述问询信息的语义向量以及所述问询信息中每个字在主题语境下的主题潜在类型向量和意图语境下的意图潜在类型向量；；；；；；将所述语义向量以及所述主题潜在类型向量和和所述意图潜在类型向量输入到所述分类器层获得主题分类效果和意图分类效果。。。。。

申请号：CN202011553959.X
申请（专利权）人：btt博天堂
果真日期（果真）：2021.04.02
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：推荐概率的输出要领及装置、存储介质、电子装备

下一篇：知识→生产力，，，，，，，大模子让知识治理不再艰辛

返回行业资讯