您现在的位置是:网站首页>CBACBA

超级电玩城bug

贺谷丝 2025-05-14 CBA 6808 人已围观

IT之家 5 月 13 日消息⑨,在今日举办的 FORCE LINK AI 创新巡展・上海站上⑪,火山引擎发布了豆包 1.5・视觉深度思考模型⑳,该模型激活参数仅 20B⑩,但具备强大的多模态理解和推理能力⑨,在 60 个公开评测基准中②,有 38 个达到业界最佳表现⑦,在视频理解⑲、视觉推理⑧、GUI Agent 能力等方面均处于第一梯队⑨。

在视频理解领域⑦,豆包 1.5・视觉深度思考模型支持动态帧率采样技术⑯,显着增强了视频时序定位能力⑩。结合向量搜索功能▓,模型能够精准定位视频中与文本描述相对应的片段❷,为视频内容的深度分析和检索提供支持⑳。

此外⑨,该模型新增了视频深度思考能力⑪。通过学习数万亿多模态标记数据⑤,模型积累了广泛的视觉知识⑨,并借助强化学习技术⑭,大幅提升了视觉推理能力④。例如⑰,在复杂的图形推理任务中⑦,模型能够自主提出假设⑥、进行推理检验⑫,并在发现与假设不符时⑫,不断反思并提出新的猜测⑮,直至得出正确答案❷。

值得注意的是⑨,豆包 1.5・视觉深度思考模型还新增了 GUI Agent 能力⑳。凭借强大的 GUI 定位性能⑱,该模型能够在 PC 端③、手机端等多种不同环境中完成复杂的交互任务⑧。例如⑧,它可对新开发的 App 功能进行自动化检测⑳,目前这一功能已在字节跳动多款 App 产品的开发测试中进行应用⑦。

IT之家注:①、GUIAgent 是一种基于多模态视觉模型驱动的人工智能系统⑲,能够自动推理并执行 UI 交互⑮,模拟人类用户的操作⑭,如点击⑲、输入⑳、拖拽⑪、读取界面信息等⑧,以完成人类要求的工作任务⑱。

目前❶,该模型已正式在火山方舟平台上线⑫。

很赞哦②!

随机图文