一种标签切换要领和装置、盘算机可读存储介质-明略科技

首页明略研究一种标签切换要领和装置、盘算机可读存储介质

一种标签切换要领和装置、盘算机可读存储介质

2022-10-18

本申请果真了一种标签切换要领和装置、盘算机可读存储介质，，，，，，，所述要领包括：统计目今标注过的所有标签的总数及使用每种标签类型标注的概率；；；；；；；；凭证最近标注的k个标签的类型及目今每种标签类型标注的概率，，，，，，，展望下一个要标注的实体最或许率使用的标签类型，，，，，，，其中，，，，，，，k为大于或即是0的整数；；；；；；；；当下一个实体被标注时，，，，，，，将标签类型自动切换为所述展望的最或许率使用的标签类型。。。。。。。本申请通过凭证最近标注的k个标签的类型，，，，，，，展望下一个要标注的实体最或许率使用的标签类型，，，，，，，大大提高了标签标注的效率。。。。。。。

一种标签切换要领，，，，，，，其特征在于，，，，，，，包括：统计目今标注过的所有标签的总数及使用每种标签类型标注的概率；；；；；；；；凭证最近标注的k个标签的类型及目今每种标签类型标注的概率，，，，，，，展望下一个要标注的实体最或许率使用的标签类型，，，，，，，其中，，，，，，，k为大于或即是0的整数；；；；；；；；当下一个实体被标注时，，，，，，，将标签类型自动切换为所述展望的最或许率使用的标签类型。。。。。。。

申请号：CN201810682420.0
申请（专利权）人：btt博天堂
果真日期（果真）：2018.12.07
果真日期（授权）：2022.10.18

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：明略科技子公司秒针系统首批接入天下SDK治理效劳平台

下一篇：基于关系网络的图谱查证要领、装置、效劳器和存储介质

返回行业资讯