精品一区二区三区无码免费视频,99热这里只有精品免费播放,久久久久久久久久久久

首頁明略研究明略科技入選重慶建設國家新一代人工智能創新發展試驗區實施方案

明略科技入選重慶建設國家新一代人工智能創新發展試驗區實施方案

2020-07-22

近日，重慶市人民政府辦公廳發布《重慶市人民政府辦公廳關于印發重慶市建設國家新一代人工智能創新發展試驗區實施方案的通知》（以下簡稱“《方案》”），作為深入貫徹國家關于人工智能系列重要指示精神，落實新一代人工智能發展規劃的重大舉措，《方案》明確提出“力爭到2022年，重慶市人工智能新型基礎設施保障體系和政策支撐體系基本建成，人工智能應用示范取得顯著成效，人工智能技術創新和產業發展進入全國第一方陣”的總體目標。明略科技作為中國領先的一站式企業級人工智能產品與服務平臺、國家新一代人工智能開放創新平臺建設單位被寫入《方案》，明確指出將依托明略科技等核心企業，建設國家新一代人工智能開放創新平臺。

明略科技深耕大數據與人工智能技術,依托自研HAO智能理論體系,立足于數據處理層及行業應用層,以“數據中臺”為重點和突破口,提高數據綜合利用效率,最終通過數據智能推動智慧城市及產業智能化建設。2019年，科技部宣布依托明略科技建設“營銷智能”國家新一代人工智能開放創新平臺。與此同時，明略科技全面推出營銷智能平臺MIP（Marketing Intelligence Platform），構建透明與信任的智能一站式完整解決方案。明略科技在人工智能行業的長期積淀，為其此次能夠寫入《方案》奠定了堅實的基礎。

《方案》指出，重慶市將在大數據智能、跨媒體分析、自然語言處理、自適應感知、群體智能、混合增強智能、類腦計算、智能控制與優化決策等重點領域取得重大標志性成果100項以上，獲得核心發明專利及轉化應用300項以上，技術創新能力中西部領先。

目前，明略科技已經積累了業內領先的大數據智能能力，能夠在歷史數據達到10PB級、日均增量數據超過10TB級的環境下進行數據價值的挖掘，實現毫秒級的預測性分析，將海量多源異構數據進行融合治理，并結合行業知識圖譜形成決策和行動。

明略科技具備行業內領先的知識圖譜、自然語言處理等AI技術，在公安、工業、金融等多個行業成功落地。在知識圖譜技術應用方面，明略科技結合知識圖譜技術及知識庫的成熟支持，通過業務系統對數據進行抽取，對數據和知識進行混合推理，指導推薦算法的不斷優化，從而為用戶實現智能化程度更高的知識推理和推薦平臺。在公共安全領域解決多地安保核查需求，大大提升民警研判偵破效率。在自然語言處理技術應用方面，明略科技與中國建設銀行合作，打造全行級自然語言處理基礎平臺，通過使用自然語言處理技術，分析企業公開信息，在業務流程自動化、智能風控、營銷推薦等場景得到應用。

《方案》同時指出，在融合應用方面重慶將力爭人工智能在生產生活生態、社會治理等方面應用的廣度深度極大拓展，建設特色應用場景30個以上，建成智能制造、智慧醫療、智慧政務、智能交通等典型示范工程10項以上。明略科技寫入《方案》，既是重慶市對明略科技建設營銷智能國家新一代人工智能開放創新平臺工作的重視與認可，也是對明略科技多年來行業深耕和技術積累的高度肯定。據悉，明略科技未來將充分運用在公安、金融、軌交、智能制造、營銷、餐飲、零售等行業AI解決方案落地經驗和技術積累，發揮大數據分析和大知識應用、知識圖譜、基于數據與知識雙驅動的推理和推薦引擎、基于多模態人工智能技術的人機協同平臺、數據中臺五大核心技術優勢，助力重慶打造“智造重鎮”和“智慧名城”。

推薦閱讀

全球雙榜SOTA！明略科技專有大模型 Mano開啟GUI智能操作新時代

2025-09-28

明略科技推出的GUI大模型Mano在Mind2Web和OSWorld兩大基準測試中取得了創紀錄的SOTA成績，成功率達到40.1%。通過在線強化學習和自動數據采集，Mano為GUI智能體領域提供了可擴展的新范式，顯著提升了復雜任務的執行能力。該技術的突破不僅推動了自動化邊界的擴展，也為企業智能化轉型提供了強有力的支持

了解更多

官宣！明略科技推出專有大模型產品線DeepMiner，可信商業數據分析智能體終于能用了！

2025-09-22

明略科技推出專有大模型產品線DeepMiner，以“可信智能體+可信數據”雙輪驅動，解決企業智能體落地中幻覺率高、過程不透明等痛點。該產品通過多智能體協同架構、企業級數據整合及全流程透明化設計，降低幻覺率并支持知識沉淀，其自研Mano和Cito模型分別實現精準執行與深度推理，助力企業構建可信生產力。

了解更多

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.

下一篇：明略科技入選Gartner Hype Cycle for ICT in China, 2020數據中臺Sample Vendor

返回行業資訊