在“听得懂”之后“看得见、动起来”，实在智能首发“你说PC做”的大模型Agent

年初以来，全球发布了数百个大模型，中国发布了80多个大模型，To C类的百花齐放，很多问答类型的大模型问世，还会写诗。在众多大模型中，有这么一家AI公司脱颖而出，被业界尤为看好，那就是：实在智能。

因为实在智能在自然语言处理领域有着经验积累，早在去年12月，实在智能就首创基于计算机视觉大模型的“智能屏幕语义理解”技术（ISSUT），推出行业首发“实在IPA”模式，实现RPA的人人可用。在8月16日的第七次新品发布会上，更是依托自研的TARS垂直大模型+ISSUT（智能屏幕语义理解）机器视觉大模型重构了技术底座，对自身的超自动化产品矩阵升级改造，持续发布创新应用。

其中，实在智能的TARS-RPA-Agent产品作为业界首款计算机视觉与大语言模型结合的智能体产品，预示着“你说，PC做”的数字助理时代来临。这也是实在智能大模型的不同之处：实在智能侧重落地行业，将大模型与RPA紧密结合，大幅降低使用门槛，RPA数字员工将具备自主完成任务的能力，成为每个人的智能数字助理。TARS-RPA-Agent产品作为业界首款将计算机视觉与大语言模型结合的智能体产品，相信会对RPA行业的发展具有里程碑的意义。

用惯了GPT，看多了国产大模型，小编对这个有点不太一样的国内首创TARS-RPA-Agent产品还是很感兴趣的。于是我找到了实在智能内部技术人员了解到：TARS-RPA-Agent——这是一个基于“TARS+ISSUT”双模引擎，有“大脑”，更有“眼睛和手脚”的超自动化智能体，也是RPA的全新模式，而它的关键创新特性主要有以下四点（小编震惊！）：

1、很“傻瓜”模式，能够自主拆解任务

“我要买一台笔记本电脑，帮我推荐下”？实在智能在实在IPA“小白模式”的基础上，更进一步进入到了“所说即所得，你说，PC做”的“傻瓜模式”。TARS-RPA-Agent可将表述简单但含义复杂的指令：“登录购物网站，查询笔记本电脑品牌、配置、价格等信息，完成产品推荐”等多个步骤并加以自动实现。无论是在RPA领域，还是在大模型领域，如此低门槛的产品，小编还是第一次见到，不愧称之为在“听得懂”之后“看得见、动起来”。

（TARS大模型自主拆解任务演示）

2、TARS-RPA-Agent就是我们的眼

基于计算机视觉大模型的ISSUT（智能屏幕语义理解技术）使得TARS-RPA-Agent可以“秒懂”屏幕画面，以人类视角感知环境理解屏幕，第一时间完成自动解析，无需人工介入参与。

3、居然具备强大的反馈机制

业内人士的共识，真实场景的意图理解和任务执行是非常复杂的，那么做到超级自动化的同时，保证每一步操作的正确性就显得非常重要，也非常困难。TARS-RPA-Agent做到了。为避免出现理解偏差、操作失误，TARS-RPA-Agent巧妙地设计了“基于强化学习的单步寻优策略和每步执行的反馈”相关机制，将决策-执行过程的正确性提至最高。

（TARS大模型执行并且反馈演示）

4、作为智能体，它本身也具备自主学习的能力

TARS-RPA-Agent也结合上下文扩展、向量检索等技术，配备了长时记忆能力，能够从历史强大的执行动作数据库中“学习经验并吸取教训”，后续优化下一次执行。检索的广度扩大了，记忆的长度也延伸了，不愧是首发Agent（智能体）。

实在智能落地行业，始终秉持“AI赋能商业”初心，不强调写诗，而强调“下到矿井”，成为轻便落地的大模型。其中，与湘财证券共建的财经行业大模型TARS-Finance-7B已经取得了良好成绩。

实在智能第七次发布会上，以TARS+ISSUT大模型双底座为核心，无论是在RPA领域还是大模型领域，都带来了崭新视野。展望未来，实在智能将持续迭代大模型在更多的行业落地，全面推动技术进步与行业发展，借助通用人工智能的机会，全力打造每个人的AI助手，让千行百业的用户真正享受到大模型带来的商业价值。