明略科技获WMT 2021国际机械翻译大赛双料冠军-明略科技

首页明略研究明略科技获WMT 2021国际机械翻译大赛双料冠军

明略科技获WMT 2021国际机械翻译大赛双料冠军

2021-12-16

克日，，，，，由国际盘算语言学协会(The Association for Computational Linguistics，，，，，ACL)举行的WMT2021国际机械翻译大赛（Conference on Machine Translation）宣布排名效果。。。。。。。明略科技团队（提交系统名称：P3AI）在豪萨语-英语双向翻译使命中获得自动评测双料冠军。。。。。。。

别的，，，，，明略科技在法语-德语双向翻译使命中获得两个自动评测第二名，，，，，在英语-豪萨语、德语-法语单向翻译使命中获两小我私家工评测第二名，，，，，在汉语-英语、豪萨语-英语、法语-德语单向翻译使命中获三小我私家工评测第三名。。。。。。。

WMT国际机械翻译大赛是享誉全球的顶级机械翻译角逐，，，，，被视为磨练机械翻译能力的标准之一。。。。。。。自2006年起，，，，，WMT大赛已乐成举行16届，，，，，每年都吸引了来自天下各地的顶级企业、高校和科研机构参赛，，，，，包括微软、Facebook、腾讯、字节跳动、百度、华为、清华大学、上海交通大学等。。。。。。。

本次大赛，，，，，据官方邮件提供的数据，，，，，共有82个步队实名参赛，，，，，爆发1308次有用提交，，，，，竞争异常强烈。。。。。。。明略科技依附在模子结构、数据增强、知识蒸馏、训练优化、Fine-tune、Re-rank和集成搜索等方面的立异探索，，，，，仅用三周时间就取得多项使命的优异效果。。。。。。。

明略科技集团手艺委员会主席殷子忻先容，，，，，在智能办公、OA增强领域，，，，，机械翻译关于外企客户、跨境电商的舆情剖析、广告监测等营业是刚需，，，，，因此，，，，，明略科技针对机械翻译举行了手艺储备与结构。。。。。。。明略科技致力于将AI手艺与行业Know-how深度团结，，，，，形成行业知识图谱，，，，，让AI算法与行业知知趣相助力，，，，，提升客户体验。。。。。。。

明略行业知识图谱可对机械翻译举行赋能，，，，，使得翻译系统知其然且知其以是然，，，，，输出更切合行业认知的效果，，，，，同时，，，，，机械翻译也可对知识图谱举行赋能，，，，，输出多语种的行业知识图谱，，，，，拓宽基于知识图谱的AI应用场景。。。。。。。

在机械翻译或语音识别历程中，，，，，明略科技更注重行业术语、客户辞书翻译的准确性与语音识别率，，，，，进而更精准地明确会话流中的用户意图、需求与商机、VOC等，，，，，捕获最韵事术与实践，，，，，为用户提供更精准的效劳。。。。。。。

别的，，，，，在盘算机视觉、知识图谱、NLP、语音、搜索推荐等AI手艺领域，，，，，明略科技也在一连探索前沿手艺与种种行业场景的团结，，，，，现在，，，，，在饺子质量检测、企业知识库的推搜与问答、基于知识图谱的研判推理和探索剖析、基于云边端的智能装备运维与IoT平台等方面，，，，，已有乐成的行业应用案例。。。。。。。

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：明略科技战略投资微伴助手 AI能力赋能微伴打造焦点竞争力

下一篇：超AI说｜市场增速高达10倍的CDP，，，，，是全链路客户治理的“诗和远方”吗？？？？？？？（下）

返回行业资讯

btt博天堂