微信扫描二维码 连忙在线咨询
明略科技荣获“数据智能优异厂商”奖项，，，，，，营销大模子推动数字营销的量变与质变
2023-08-17
2023年8月16日，，，，，，海内领先的数字化市场研究与咨询机构爱剖析以“激活数据资产，，，，，，释放数据价值”为主题在北京举行第五届数据智能岑岭论坛，，，，，，该论坛聚焦企业数据价值释放历程中面临的战略妄想、能力建设、厂商选型、项目落地、价值评估等问题和挑战。 。。。。。。论坛同期，，，，，，爱剖析宣布“数据智能优异厂商奖项”获奖企业。 。。。。。。爱剖析关于该奖项提名企业举行客户推荐、专家评审、能力评测等审核，，，，，，最终遴选出25家企业，，，，，，明略科技依附在数据智能领域十七年来的乐成履历和超强的执行落地能力，，，，，，实力获评。 。。。。。。
在人工智能”智慧涌现“的推动下，，，，，，企业数字化转型也进入了全新阶段，，，，，，扎根于互联网的数字营销领域，，，，，，更由于天生式AI的到来将重塑营销的生产方法和用户增添模式，，，，，，从而发动产品价值的实现。 。。。。。。天生式AI的落地与应用将提高企业营销效果和效率，，，，，，从剖析，，，，，，到生产，，，，，，再到落地推广，，，，，，再到效果监测，，，，，，大模子在营销全链路体现出了极高的加入度，，，，，，带来革命性的改变。 。。。。。。
数据贯串产品的整个生命周期，，，，，，数据要素是数字经济时代下的新土地，，，，，，且决议AI大模子输出效果的质量。 。。。。。。明略科技在营销领域有17年的探索历程，，，，，，资助2000+企业在数字化转型中挖掘数据价值及商业价值，，，，，，赋能消耗、媒体、金融、汽车、餐饮等多行业领域，，，，，，积累了大宗的营销侧数据和知识图谱富厚履历，，，，，，特殊是在消耗类行业，，，，，，如美妆、3C、汽车、大康健等领域沉淀了大宗的营销专业数据。 。。。。。。将沉淀的笔直行业数据、行业履历，，，，，，注入到明略科技为客户定制的营销大模子智能体中，，，，，，将打造出内容越发聚焦、更适合营销场景的行业大模子，，，，，，知足客户多样化的使命和场景需求。 。。。。。。
在通用人工智能在工业落地的历程中，，，，，，手艺实践历程需要社会各界配合推动。 。。。。。。在大模子训练历程中，，，，，，明略科技实现了机械学习可视化工具——TensorBoard的C++接口，，，，，，进一步富厚了基于C++的大模子项目工具集，，，，，，使得大模子预训练历程监控越发便捷、高效，，，，，，加速营销领域大模子预训练历程。 。。。。。。为了推感人工智能多领域的应用探索，，，，，，作为大数据和人工智能领域的深耕者，，，，，，明略科技将该项目在Github开源，，，，，，助力更多研究者和开发者加入并加速大模子的研发历程。 。。。。。。
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
