您现在的位置是:网站首页>人工智能人工智能

星际电玩城安卓版下载

孙晓亦 2025-05-14 人工智能 6524 人已围观

IT之家 5 月 13 日消息⑳,在今日举办的 FORCE LINK AI 创新巡展・上海站上⑧,火山引擎发布了豆包 1.5・视觉深度思考模型③,该模型激活参数仅 20B①,但具备强大的多模态理解和推理能力⑲,在 60 个公开评测基准中❷,有 38 个达到业界最佳表现⑯,在视频理解⑲、视觉推理⑤、GUI Agent 能力等方面均处于第一梯队⑰。

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❸,显着增强了视频时序定位能力②。结合向量搜索功能⑪,模型能够精准定位视频中与文本描述相对应的片段④,为视频内容的深度分析和检索提供支持⑨。

此外⑲,该模型新增了视频深度思考能力❸。通过学习数万亿多模态标记数据⑰,模型积累了广泛的视觉知识④,并借助强化学习技术⑯,大幅提升了视觉推理能力⑳。例如❶,在复杂的图形推理任务中④,模型能够自主提出假设❸、进行推理检验②,并在发现与假设不符时⑨,不断反思并提出新的猜测⑳,直至得出正确答案④。

值得注意的是④,豆包 1.5・视觉深度思考模型还新增了 GUI Agent 能力⑩。凭借强大的 GUI 定位性能②,该模型能够在 PC 端②、手机端等多种不同环境中完成复杂的交互任务⑲。例如②,它可对新开发的 App 功能进行自动化检测⑨,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⑥。

IT之家注:⑯、GUIAgent 是一种基于多模态视觉模型驱动的人工智能系统❸,能够自动推理并执行 UI 交互⑲,模拟人类用户的操作②,如点击⑬、输入❷、拖拽⑱、读取界面信息等⑬,以完成人类要求的工作任务⑫。

目前⑲,该模型已正式在火山方舟平台上线⑧。

很赞哦⑩!

随机图文