微信扫描二维码 连忙在线咨询
一种会话内容异常检测要领、装置、电子装备及存储介质
2021-12-28
本申请提供了一种会话内容异常检测要领、装置、电子装备及存储介质，，，，，该要领包括：获取用户端与联系人端在线会话中的第一会话数据；；；；；；其中，，，，，第一会话数据对应一会话文本；；；；；；针对每一会话文本，，，，，若识别出该会话文本中保存营业要害词，，，，，则基于营业要害词对会话文本举行语义剖析，，，，，识别该会话文本中包括的第一知识实体；；；；；；通过预设内容库中与第一知识实体对应标准的第二知识实体检测第一知识实体的准确度；；；；；；若第一知识实体的准确度不知足设定准确度条件，，，，，则凭证第二知识实体天生提醒信息，，，，，并将提醒信息发送给用户端，，，，，以使用户端在会话窗口显示提醒信息；；；；；；本申请能够检测会话内容中的过失，，，，，并举行提醒，，，，，提高了相同效率 。 。。。。。 。
一种会话内容异常检测要领，，，，，其特征在于，，，，，应用于效劳器，，，，，所述效劳器预先建设用户端与联系人端的在线会话；；；；；；所述要领包括：获取用户端与联系人端在线会话中的第一会话数据；；；；；；其中，，，，，所述第一会话数据对应一会话文本；；；；；；针对每一会话文本，，，，，若识别出该会话文本中保存营业要害词，，，，，则基于所述营业要害词对所述会话文本举行语义剖析，，，，，识别该会话文本中包括的第一知识实体；；；；；；通过预设内容库中与所述第一知识实体对应标准的第二知识实体检测所述第一知识实体的准确度；；；；；；若所述第一知识实体的准确度不知足设定准确度条件，，，，，则凭证所述第二知识实体天生提醒信息，，，，，并将所述提醒信息发送给所述用户端，，，，，以使所述用户端在会话窗口显示所述提醒信息 。 。。。。。 。
申请号：CN202111132641.9
申请（专利权）人：btt博天堂
果真日期（果真）：2021.11.02
果真日期（授权）：2021.12.28
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.
相识更多联系btt博天堂
关注明略
在线咨询
销售热线
400-893-8989
投资者关系
ir@mininglamp.com
媒体联络
pr@miningalmp.com
Copyright@2025 btt博天堂 京ICP备15016868号 京公网安备11010802024262
信息填写
