您现在的位置是:网站首页>财经财经

电玩城8个动物怎么玩

杨夏岚 2025-05-14 财经 8984 人已围观

IT之家 5 月 13 日消息④,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⑰,该模型激活参数仅 20B❸,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①,有 38 个达到业界最佳表现②,在视频理解⑦、视觉推理④、GUI Agent 能力等方面均处于第一梯队❷。

在视频理解领域⑤,豆包 1.5・视觉深度思考模型支持动态帧率采样技术⑱,显着增强了视频时序定位能力⑭。结合向量搜索功能⑦,模型能够精准定位视频中与文本描述相对应的片段⑫,为视频内容的深度分析和检索提供支持⑮。

此外❶,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⑲,模型积累了广泛的视觉知识⑰,并借助强化学习技术⑩,大幅提升了视觉推理能力⑭。例如⑫,在复杂的图形推理任务中⑪,模型能够自主提出假设⑪、进行推理检验⑭,并在发现与假设不符时❷,不断反思并提出新的猜测⑰,直至得出正确答案⑤。

值得注意的是⑭,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⑥,该模型能够在 PC 端❷、手机端等多种不同环境中完成复杂的交互任务④。例如②,它可对新开发的 App 功能进行自动化检测❸,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⑯。

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▓,能够自动推理并执行 UI 交互⑪,模拟人类用户的操作❸,如点击③、输入①、拖拽⑫、读取界面信息等⑳,以完成人类要求的工作任务②。

目前⑳,该模型已正式在火山方舟平台上线②。

很赞哦❷!

随机图文