分享AI使用方法

1216294890

用AI的閱讀模塊，可以幫我們解讀一些標(biāo)準(zhǔn)和守則；
例如可以先問AI你的問題在哪個標(biāo)準(zhǔn)，找到標(biāo)準(zhǔn)上傳，就可以隨便提問標(biāo)準(zhǔn)里的要求

浩浩乎

我一般用文心一言，kimi，豆包，主要用來當(dāng)搜索引擎使用，另外用來編報告，非常方便

學(xué)者11

但首先要知道AI喜歡編造，所以它給你的標(biāo)準(zhǔn)很多是編造的，這時候你怎么辦？

jucc

AI只是大方向的幫助，提供標(biāo)準(zhǔn)也好，工藝流程也好，以及加工的G代碼都是可以生成的。但只是一個方向性的，具體的根據(jù)不同的機(jī)臺設(shè)備、材料以及產(chǎn)品的公差要求，作相應(yīng)的微調(diào)。但AI對機(jī)械加工來說還是有很大幫助的。
當(dāng)AI想更進(jìn)一步發(fā)展機(jī)器人，還必須和傳統(tǒng)的機(jī)械行業(yè)相結(jié)合

leioukupo

學(xué)者11 發(fā)表于 2024-12-25 14:43
但首先要知道AI喜歡編造，所以它給你的標(biāo)準(zhǔn)很多是編造的，這時候你怎么辦？

當(dāng)搜索引擎用，使用rga向量化文檔，直接給你原文的

學(xué)者11

拽詞裝B失敗的典型，那叫使用rag向量化文檔。
"RAG" 是 "Retrieval-Augmented Generation" 的縮寫，它是一種結(jié)合了信息檢索（Retrieval）和生成模型（Generation）的技術(shù)。
在傳統(tǒng)的文本生成任務(wù)中，模型僅基于其訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測或生成新的文本。然而，在某些情況下，我們希望模型能夠訪問最新的、特定領(lǐng)域的或者更加廣泛的信息來增強(qiáng)其生成的內(nèi)容。這時，RAG 就可以派上用場。
首先，需要將文檔庫中的文檔轉(zhuǎn)換為向量表示。這一步驟通常使用預(yù)訓(xùn)練的編碼器（比如 BERT 或其他類似的模型），將每個文檔編碼成一個固定長度的向量。這些向量隨后被存儲在一個高效的索引結(jié)構(gòu)中，如 FAISS 或 Annoy，以便快速搜索相似的文檔。
當(dāng)有一個查詢或者需要生成內(nèi)容時，該查詢會被相同的編碼器轉(zhuǎn)化為向量形式。
接下來，查詢向量會與文檔庫中的文檔向量進(jìn)行比較，以找到最相關(guān)的文檔。這個過程通常是通過計算余弦相似度或其他距離度量完成的。
檢索到的相關(guān)文檔會被作為額外的信息提供給生成模型。這涉及到直接附加到查詢之后，或者以某種方式融入到生成模型的輸入中。
最后，生成模型利用查詢以及檢索到的相關(guān)文檔的信息來生成更準(zhǔn)確、更豐富的響應(yīng)。

問題這些騒操作是普通人能做的了的嗎，他必須在自家電腦上下載個LLM，然后還用高級顯卡來訓(xùn)練這個模型。
并且在需要的時候使用RAG向量文檔，這不是發(fā)燒友就根本做不到。
所以我說要講人話，你應(yīng)該知道普通人只可能聯(lián)網(wǎng)使用公有云上的大模型。

1216294890

學(xué)者11 發(fā)表于 2024-12-25 14:43
但首先要知道AI喜歡編造，所以它給你的標(biāo)準(zhǔn)很多是編造的，這時候你怎么辦？

你可以再問一句，在多少頁找到的，它會給你頁數(shù)，到時候自己看

evan908

僅作參考

cangzhoumj

有點不理解

1216294890

cangzhoumj 發(fā)表于 2025-1-2 15:55
有點不理解

點擊AI閱讀，其他跟著操作就行了