Про литье.
Я сейчас использую два варианта при отливке
1) заливаю пластик в первую форму и закрываю второй. Через дырки вытекает лишнее.
Для этого подхода пришлось делать каналы идущие вбок. Иначе прижав сверху, получим толстый слой пластика между формами, а значит толщина стенок детали тоже изменяется.
2) литье под "давлением". Условно, шприц и трубка. В дырки заливаем через шприц.
Между слоями мало пластика, он уходит через дырки. Но, внутри всё равно остаются места с воздухом.
Так времени жизни 2-3 минуты, то сложно убрать везде воздух. Быстро становится вязким после смешивания.
Черная отливка, пластик производство Германия. Более вязкий, но лучше держит форму и заполняет.
Белый пластик - Россия. Жидкий. Но из за этого в нём пузыри воздуха. А дегазировать времени не хватит.
До этого был белый, от них же, но с гораздо большим временем жизни (успевал дегазировать).
Есть ещё бежевый, Россия, но надо добавлять краситель.
В целом качество - ок. Сейчас жду белый пластик с большим временем жизни.
Я сейчас использую два варианта при отливке
1) заливаю пластик в первую форму и закрываю второй. Через дырки вытекает лишнее.
Для этого подхода пришлось делать каналы идущие вбок. Иначе прижав сверху, получим толстый слой пластика между формами, а значит толщина стенок детали тоже изменяется.
2) литье под "давлением". Условно, шприц и трубка. В дырки заливаем через шприц.
Между слоями мало пластика, он уходит через дырки. Но, внутри всё равно остаются места с воздухом.
Так времени жизни 2-3 минуты, то сложно убрать везде воздух. Быстро становится вязким после смешивания.
Черная отливка, пластик производство Германия. Более вязкий, но лучше держит форму и заполняет.
Белый пластик - Россия. Жидкий. Но из за этого в нём пузыри воздуха. А дегазировать времени не хватит.
До этого был белый, от них же, но с гораздо большим временем жизни (успевал дегазировать).
Есть ещё бежевый, Россия, но надо добавлять краситель.
В целом качество - ок. Сейчас жду белый пластик с большим временем жизни.
Хотелось бы поделиться следующей идеей. Принятие решений об ответе от ллм. Вчера пришла следующая идея. Сегодня сформулировал её подход.
Суть следующая. Объясню на примере трёх ллм. Пусть есть ллм1, ллм2, ллм3
У нас есть вопрос Q.
Задаём его каждой ллм1-3, и получаем на него три ответа A1, A2, A3
Берём ответ A1, и просим ллм2 и ллм3 оценить его правильность Да/Нет или процент точности ответа.
Если ответ Да, то это +1 очко в пользу ответа. Если нет, то 0. То есть можно набрать 0,1 и 2 балла. Получаем Score1
Берём ответ А2, и просим ллм1 и ллм3, оценить его. Всё так же. Получаем Score2.
Аналогично для А3, получаем score3.
И так, у нас теперь есть вопрос Q, три ответа А1/А2/А3 и их вес Score1/score2/score3.
Выбираем ответ с максимальным весом. Если же очки одинаковые, то
1) можем задать уточняющий вопрос и так же проверить ответ, таким образом оценить экспертнлсть сетки. Чем больше вопросов уточняющих и она набирает больше баллов дальше, тем более экспертный ответ мы получили
2) либо выбрать случайным образом
Чем больше ллм участвуют в ответе, тем вероятнее что выбор будет один из ответов.
Второй момент, мы таким образом выбираем более экспертный ответ. Так как по сути делаем ещё один шаг для его оценки.
Мы даже можем сетки просить задать уточняющий вопрос, если баллы одинаковые, и получить N шагов оценки.
Это будет работать даже на одной ллм, но с разным seed. Но лучше использовать разные ллм.
Где это полезно?
1) обучение сетки. Мы таким образом получаем более качественный ответ для обучения. Без этого подхода обучение сетки на ответах другой сетки приведёт к её отуплению.
2) мы уменьшаем проблему с галлюцинациями, когда сетка врёт.
3) мы получаем более качественный ответ. А при нескольких шагах его качество должно вырасти.
4) мы можем совмещать ответ специализированных сеток. Более верные ответы в теории должны набрать больше баллов. А галлюцинации с большой долей вероятности отсеяться другими моделями.
Чем больше ллм участвуют в ответе, тем более вероятно получить качественный ответ, где возможно и случайная идея имеющая право на жизнь.
Я хочу опробовать данную модель при экспериментах. Хотелось бы услышать мнение других. Возможно данный подход можно использовать и для других решений.
Суть следующая. Объясню на примере трёх ллм. Пусть есть ллм1, ллм2, ллм3
У нас есть вопрос Q.
Задаём его каждой ллм1-3, и получаем на него три ответа A1, A2, A3
Берём ответ A1, и просим ллм2 и ллм3 оценить его правильность Да/Нет или процент точности ответа.
Если ответ Да, то это +1 очко в пользу ответа. Если нет, то 0. То есть можно набрать 0,1 и 2 балла. Получаем Score1
Берём ответ А2, и просим ллм1 и ллм3, оценить его. Всё так же. Получаем Score2.
Аналогично для А3, получаем score3.
И так, у нас теперь есть вопрос Q, три ответа А1/А2/А3 и их вес Score1/score2/score3.
Выбираем ответ с максимальным весом. Если же очки одинаковые, то
1) можем задать уточняющий вопрос и так же проверить ответ, таким образом оценить экспертнлсть сетки. Чем больше вопросов уточняющих и она набирает больше баллов дальше, тем более экспертный ответ мы получили
2) либо выбрать случайным образом
Чем больше ллм участвуют в ответе, тем вероятнее что выбор будет один из ответов.
Второй момент, мы таким образом выбираем более экспертный ответ. Так как по сути делаем ещё один шаг для его оценки.
Мы даже можем сетки просить задать уточняющий вопрос, если баллы одинаковые, и получить N шагов оценки.
Это будет работать даже на одной ллм, но с разным seed. Но лучше использовать разные ллм.
Где это полезно?
1) обучение сетки. Мы таким образом получаем более качественный ответ для обучения. Без этого подхода обучение сетки на ответах другой сетки приведёт к её отуплению.
2) мы уменьшаем проблему с галлюцинациями, когда сетка врёт.
3) мы получаем более качественный ответ. А при нескольких шагах его качество должно вырасти.
4) мы можем совмещать ответ специализированных сеток. Более верные ответы в теории должны набрать больше баллов. А галлюцинации с большой долей вероятности отсеяться другими моделями.
Чем больше ллм участвуют в ответе, тем более вероятно получить качественный ответ, где возможно и случайная идея имеющая право на жизнь.
Я хочу опробовать данную модель при экспериментах. Хотелось бы услышать мнение других. Возможно данный подход можно использовать и для других решений.
Сейчас я добавляю эмоции в русскую озвучку. К сожалению, ресурсов и времени, чтобы обучить русский датасет с эмоциональными метками пока нет. Так как для этого надо делать искусственный дата сет. А это время.
С английскими эмоциями у меня как раз через метки.
Как я решаю это для русской озвучки?
1) вздохи и выдохи. Вздох это пауза, выдох это речь. Для каждой эмоции они свои
2) громкость, она зависит от силы эмоции
3) тон, он зависит от эмоции, голосовые связки
4) скорость, ускорение - зависят от эмоции, времени на выдох, сколько слов можем сказать и тд
5) переходы, они сглаживаются по параметрам, так как мы не можем мгновенно начать говорить иначе.
6) адаптация текста озвучки. То как мы пишем и как говорим, это разная транскрипция
7) междометья (над ними пока работаю), это паразитные слова, которые усиливают эмоции
Примеры, приложу в комментариях
С английскими эмоциями у меня как раз через метки.
Как я решаю это для русской озвучки?
1) вздохи и выдохи. Вздох это пауза, выдох это речь. Для каждой эмоции они свои
2) громкость, она зависит от силы эмоции
3) тон, он зависит от эмоции, голосовые связки
4) скорость, ускорение - зависят от эмоции, времени на выдох, сколько слов можем сказать и тд
5) переходы, они сглаживаются по параметрам, так как мы не можем мгновенно начать говорить иначе.
6) адаптация текста озвучки. То как мы пишем и как говорим, это разная транскрипция
7) междометья (над ними пока работаю), это паразитные слова, которые усиливают эмоции
Примеры, приложу в комментариях
Как и обещал, результат эксперимента литья оптики в трёх разных режимах.
1) ультразвуковая ванная, 30 минут
2) вибро режим, 60 минут
3) вращение 15-30 минут
К моему удивлению, вибро дал самый плохой результат. Он совершенно не помог выходу воздуха.
Очень удивил ультразвук, так как он дал лучше результат чем вибрация.
Ну и на первом месте это вращение. Тут можно увидеть лишнюю линию у третьего слоя. Это из за того, что при первой попытке вся смола вылилась от вращения. Во второй раз плотно закрыл все сверху.
1 - слой ультразвуковая ванна
2 - слой вибро мотор
3 - слой центрифуга на малых оборотах (ставил на пластилин, поэтому на сильных оборотах форма вылетает из центрифуги).
Так что для усиления эффекта качества литья подходит либо ультразвук либо делать конструкцию вращения.
1) ультразвуковая ванная, 30 минут
2) вибро режим, 60 минут
3) вращение 15-30 минут
К моему удивлению, вибро дал самый плохой результат. Он совершенно не помог выходу воздуха.
Очень удивил ультразвук, так как он дал лучше результат чем вибрация.
Ну и на первом месте это вращение. Тут можно увидеть лишнюю линию у третьего слоя. Это из за того, что при первой попытке вся смола вылилась от вращения. Во второй раз плотно закрыл все сверху.
1 - слой ультразвуковая ванна
2 - слой вибро мотор
3 - слой центрифуга на малых оборотах (ставил на пластилин, поэтому на сильных оборотах форма вылетает из центрифуги).
Так что для усиления эффекта качества литья подходит либо ультразвук либо делать конструкцию вращения.
В принципе все сделал, осталось поправить баги, проверить, всё подготовить. Займёт 2-4 недели.
Цель была сделать sdk для ar очков.
Чтобы всё это тестировать под нагрузкой и вычистить баги, я сделал приложение изучения языков. Его функционал выходит за требования приложения. Это микро сервисная архитектура, где для демонстрации возможностей подключения внешних сервисов (получение новостей для интервью, или словарт), работа с графикой через создание визуального контекста в диалогах и его сохранение, игровая часть с переходами между сценами (подобие уровней), эмоции, характеры персонажей, стили общения и тд.
Я хочу добиться создания сложных личностей. Это сложная задача. У подобных людей нарушены реакции эмоций, а стиль их общения совершено не похож на нормальный.
На неделе закончу 3-ое AR очков на продажу.
Вернулся к сборке голографического принтера, установка механики.
Так же мышц для робота.
5 месячный тест смол для оптики.
Работа над новой тянущейся электроникой.
Будет много постов об этом👌
Цель была сделать sdk для ar очков.
Чтобы всё это тестировать под нагрузкой и вычистить баги, я сделал приложение изучения языков. Его функционал выходит за требования приложения. Это микро сервисная архитектура, где для демонстрации возможностей подключения внешних сервисов (получение новостей для интервью, или словарт), работа с графикой через создание визуального контекста в диалогах и его сохранение, игровая часть с переходами между сценами (подобие уровней), эмоции, характеры персонажей, стили общения и тд.
Я хочу добиться создания сложных личностей. Это сложная задача. У подобных людей нарушены реакции эмоций, а стиль их общения совершено не похож на нормальный.
На неделе закончу 3-ое AR очков на продажу.
Вернулся к сборке голографического принтера, установка механики.
Так же мышц для робота.
5 месячный тест смол для оптики.
Работа над новой тянущейся электроникой.
Будет много постов об этом👌
Последняя смола, в рамках опыта по отливке разными смолами.
Poly glass - Нидерланды. В документах написано про усадку 1%, в принципе её не увидел.
Результат виден на фото.
Напомню, что отливки делались без дополнительных обработок, без дегазации или других подходов.
Цель:
- посмотреть смолы доступные на рынке РФ
- посмотреть на их усадку
- воздействие уф со временем
- хрупкость
- прозрачность, мутность, будут ли оттенки
- на сколько хорошо смолы справляются с выходом воздуха, чтобы уменьшить уровень брака
- стоимость
- доступность
Это был долгий эксперимент, который был начат в начале декабря. (Почти 5 месяцев).
На рынке осталось несколько иностранных смол poly xxx и некоторых других. Но в целом, я вижу что они редкие, дорогие и их уровень ниже уже опробованных. Поэтому смысла в них не вижу.
Да есть смолы в сша, юж Кореи (гибкие) которые могут дать лучше результат, но сейчас их сложно достать. Поэтому использовать их для массового производства в РФ не выйдет.
Теперь делаю отчёт по всём смолам.
Poly glass - Нидерланды. В документах написано про усадку 1%, в принципе её не увидел.
Результат виден на фото.
Напомню, что отливки делались без дополнительных обработок, без дегазации или других подходов.
Цель:
- посмотреть смолы доступные на рынке РФ
- посмотреть на их усадку
- воздействие уф со временем
- хрупкость
- прозрачность, мутность, будут ли оттенки
- на сколько хорошо смолы справляются с выходом воздуха, чтобы уменьшить уровень брака
- стоимость
- доступность
Это был долгий эксперимент, который был начат в начале декабря. (Почти 5 месяцев).
На рынке осталось несколько иностранных смол poly xxx и некоторых других. Но в целом, я вижу что они редкие, дорогие и их уровень ниже уже опробованных. Поэтому смысла в них не вижу.
Да есть смолы в сша, юж Кореи (гибкие) которые могут дать лучше результат, но сейчас их сложно достать. Поэтому использовать их для массового производства в РФ не выйдет.
Теперь делаю отчёт по всём смолам.
Выше я описывал идею, улучшения ллм.
Реализовал приложение для тестов данной механики. Результат оказался выше моих ожиданий.
Белуга 7b, которая слабее openAi, справилась лучше других, при использовании данной механики. Она дала верный ответ
Вопрос: "In what year did Charlemagne visit Aquitaine for the first time?"
ГигаЧат и Яндекс отвечают:
778 год (обучены на вики, а там есть цитата, что он был в этом году).
иногда 844 (глюк - он умер в 814) - причем так стал отвечать ГигаЧат с подключенным GigaSearch, в добавок ещё и ссылку на вики даёт левую
правильный ответ 769 год
В тесте 10 ллм. При 3 ллм, результат норм, но спорный (в Европе считают так, в мире так, или вообще мало данных). Но глюки и бред убирают даже 3и модели.
Я сейчас уверен, что 2 полушария включают в себя данную механику. Идею об их логике и творчестве опровергли + каждое содержит дублирующую информации.
Почему 2 ллм?
- бред отсеивают
- много ллм скорость сильно падет и больше нужно ресурсов
В комментариях выложил исходники теста
Реализовал приложение для тестов данной механики. Результат оказался выше моих ожиданий.
Белуга 7b, которая слабее openAi, справилась лучше других, при использовании данной механики. Она дала верный ответ
Вопрос: "In what year did Charlemagne visit Aquitaine for the first time?"
ГигаЧат и Яндекс отвечают:
778 год (обучены на вики, а там есть цитата, что он был в этом году).
иногда 844 (глюк - он умер в 814) - причем так стал отвечать ГигаЧат с подключенным GigaSearch, в добавок ещё и ссылку на вики даёт левую
правильный ответ 769 год
В тесте 10 ллм. При 3 ллм, результат норм, но спорный (в Европе считают так, в мире так, или вообще мало данных). Но глюки и бред убирают даже 3и модели.
Я сейчас уверен, что 2 полушария включают в себя данную механику. Идею об их логике и творчестве опровергли + каждое содержит дублирующую информации.
Почему 2 ллм?
- бред отсеивают
- много ллм скорость сильно падет и больше нужно ресурсов
В комментариях выложил исходники теста