机械必威体育网址

用户名  找回密码
 注册会员

QQ登录

只需一步,快速开始

帖子
查看: 946|回复: 12
打印 上一主题 下一主题

分享AI使用方法

[复制链接]
跳转到指定楼层
1#
发表于 2024-12-25 14:20:06 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式
用AI的阅读模块,可以帮我们解读一些标准和守则;
例如可以先问AI你的问题在哪个标准,找到标准上传,就可以随便提问标准里的要求
回复

举报

推荐
发表于 2024-12-25 16:50:18 | 只看该作者
我一般用文心一言,kimi,豆包,主要用来当搜索引擎使用,另外用来编报告,非常方便
回复 支持 2 反对 0

举报

推荐
发表于 2024-12-25 14:43:11 | 只看该作者
但首先要知道AI喜欢编造,所以它给你的标准很多是编造的,这时候你怎么办?
回复 支持 1 反对 0

举报

推荐
发表于 2025-1-22 11:07:03 | 只看该作者
AI只是大方向的帮助,提供标准也好,工艺流程也好,以及加工的G代码都是可以生成的。但只是一个方向性的,具体的根据不同的机台设备、材料以及产品的公差要求,作相应的微调。但AI对机械加工来说还是有很大帮助的。
当AI想更进一步发展机器人,还必须和传统的机械行业相结合
回复 支持 1 反对 0

举报

3#
发表于 2024-12-25 15:06:02 | 只看该作者
学者11 发表于 2024-12-25 14:43
但首先要知道AI喜欢编造,所以它给你的标准很多是编造的,这时候你怎么办?

当搜索引擎用,使用rga向量化文档,直接给你原文的

点评

使用rga向量化文档,哥们说人话,你在机械必威APP精装版下载扯什么向量化。  发表于 2024-12-25 15:11
回复 支持 反对

举报

4#
发表于 2024-12-25 15:35:20 | 只看该作者
拽词装B失败的典型,那叫使用rag向量化文档。
"RAG" 是 "Retrieval-Augmented Generation" 的缩写,它是一种结合了信息检索(Retrieval)和生成模型(Generation)的技术。
在传统的文本生成任务中,模型仅基于其训练数据进行预测或生成新的文本。然而,在某些情况下,我们希望模型能够访问最新的、特定领域的或者更加广泛的信息来增强其生成的内容。这时,RAG 就可以派上用场。
首先,需要将文档库中的文档转换为向量表示。这一步骤通常使用预训练的编码器(比如 BERT 或其他类似的模型),将每个文档编码成一个固定长度的向量。这些向量随后被存储在一个高效的索引结构中,如 FAISS 或 Annoy,以便快速搜索相似的文档。
当有一个查询或者需要生成内容时,该查询会被相同的编码器转化为向量形式。
接下来,查询向量会与文档库中的文档向量进行比较,以找到最相关的文档。这个过程通常是通过计算余弦相似度或其他距离度量完成的。
检索到的相关文档会被作为额外的信息提供给生成模型。这涉及到直接附加到查询之后,或者以某种方式融入到生成模型的输入中。
最后,生成模型利用查询以及检索到的相关文档的信息来生成更准确、更丰富的响应。

问题这些騒操作是普通人能做的了的吗,他必须在自家电脑上下载个LLM,然后还用高级显卡来训练这个模型。
并且在需要的时候使用RAG向量文档,这不是发烧友就根本做不到。
所以我说要讲人话,你应该知道普通人只可能联网使用公有云上的大模型。
回复 支持 反对

举报

5#
 楼主| 发表于 2024-12-25 15:41:38 | 只看该作者
学者11 发表于 2024-12-25 14:43
但首先要知道AI喜欢编造,所以它给你的标准很多是编造的,这时候你怎么办?

你可以再问一句,在多少页找到的,它会给你页数,到时候自己看
回复 支持 反对

举报

7#
发表于 2024-12-30 11:03:31 | 只看该作者
仅作参考
回复

举报

8#
发表于 2025-1-2 15:55:03 | 只看该作者
有点不理解
回复 支持 反对

举报

9#
 楼主| 发表于 2025-1-2 17:10:54 | 只看该作者

点击AI阅读,其他跟着操作就行了

点评

啊  发表于 2025-1-6 07:57
回复 支持 反对

举报

您需要登录后才可以回帖 登录 | 注册会员

本版积分规则

小黑屋|手机版|Archiver|机械必威体育网址 ( 京ICP备10217105号-1,京ICP证050210号,浙公网安备33038202004372号 )

GMT+8, 2025-2-11 12:58 , Processed in 0.062598 second(s), 19 queries , Gzip On.

Powered by Discuz! X3.4 Licensed

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表