您现在的位置是:网站首页>中国足球中国足球

电玩城摩托车比赛游戏规则

沈半芹 2025-05-14 中国足球 5914 人已围观

IT之家 5 月 13 日消息⑩,在今日举办的 FORCE LINK AI 创新巡展・上海站上⑦,火山引擎发布了豆包 1.5・视觉深度思考模型⑱,该模型激活参数仅 20B⑰,但具备强大的多模态理解和推理能力⑰,在 60 个公开评测基准中②,有 38 个达到业界最佳表现⑩,在视频理解❸、视觉推理⑤、GUI Agent 能力等方面均处于第一梯队⑯。

在视频理解领域⑳,豆包 1.5・视觉深度思考模型支持动态帧率采样技术❷,显着增强了视频时序定位能力⑱。结合向量搜索功能①,模型能够精准定位视频中与文本描述相对应的片段①,为视频内容的深度分析和检索提供支持①。

此外③,该模型新增了视频深度思考能力⑦。通过学习数万亿多模态标记数据⑮,模型积累了广泛的视觉知识⑪,并借助强化学习技术⑮,大幅提升了视觉推理能力⑳。例如⑪,在复杂的图形推理任务中⑨,模型能够自主提出假设❷、进行推理检验❸,并在发现与假设不符时③,不断反思并提出新的猜测⑰,直至得出正确答案❶。

值得注意的是⑬,豆包 1.5・视觉深度思考模型还新增了 GUI Agent 能力⑰。凭借强大的 GUI 定位性能②,该模型能够在 PC 端⑰、手机端等多种不同环境中完成复杂的交互任务⑨。例如⑮,它可对新开发的 App 功能进行自动化检测⑪,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⑭。

IT之家注:⑥、GUIAgent 是一种基于多模态视觉模型驱动的人工智能系统⑥,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②、输入①、拖拽④、读取界面信息等⑥,以完成人类要求的工作任务⑬。

目前▓,该模型已正式在火山方舟平台上线⑫。

很赞哦①!

随机图文