您现在的位置是:网站首页>科技科技

龙珠游艺电玩城下载

谭小萱 2025-05-14 科技 4745 人已围观

IT之家 5 月 13 日消息❶,在今日举办的 FORCE LINK AI 创新巡展・上海站上⑰,火山引擎发布了豆包 1.5・视觉深度思考模型❸,该模型激活参数仅 20B❷,但具备强大的多模态理解和推理能力⑦,在 60 个公开评测基准中❶,有 38 个达到业界最佳表现①,在视频理解❶、视觉推理⑥、GUI Agent 能力等方面均处于第一梯队⑮。

在视频理解领域⑨,豆包 1.5・视觉深度思考模型支持动态帧率采样技术⑮,显着增强了视频时序定位能力⑧。结合向量搜索功能⑬,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⑦。

此外⑩,该模型新增了视频深度思考能力❷。通过学习数万亿多模态标记数据②,模型积累了广泛的视觉知识②,并借助强化学习技术④,大幅提升了视觉推理能力⑩。例如⑮,在复杂的图形推理任务中▓,模型能够自主提出假设❶、进行推理检验❷,并在发现与假设不符时⑫,不断反思并提出新的猜测⑯,直至得出正确答案④。

值得注意的是⑦,豆包 1.5・视觉深度思考模型还新增了 GUI Agent 能力③。凭借强大的 GUI 定位性能④,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⑬。例如⑳,它可对新开发的 App 功能进行自动化检测⑥,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⑨。

IT之家注:⑱、GUIAgent 是一种基于多模态视觉模型驱动的人工智能系统①,能够自动推理并执行 UI 交互⑫,模拟人类用户的操作⑪,如点击⑳、输入⑳、拖拽⑬、读取界面信息等⑧,以完成人类要求的工作任务⑩。

目前①,该模型已正式在火山方舟平台上线⑥。

很赞哦⑱!

随机图文