最新

大家好，我是 Rishi 和 Sahil。我们开发了 Rudus（<a href="https://www.rudus.ai/">https://www.rudus.ai/</a>），一个为混凝土分包商打造的 AI 驱动的工程量计算和估价平台。 工程量计算（Takeoff）是从混凝土图纸中测量和量化材料的过程。Rudus 可以识别每一个混凝土结构（基础、墙体、柱子、楼板），提取相关细节，并省去数小时的手动工程量计算。这是我们的演示视频：<a href="https://www.youtube.com/watch?v=PAMNDRWEdlI">https://www.youtube.com/watch?v=PAMNDRWEdlI</a>。 问题所在：混凝土分包商是每个建筑项目的基石，但他们的估价流程在过去 20 年里几乎没有改变。目前，一位资深估价员需要打开 PDF 文件，手动描绘每一个基础和地梁，然后手工制作一个包含 300 多个条目的 Excel 表格——包括体积、模板、按尺寸划分的钢筋（包含搭接和锚固长度）。一份标书可能需要数周甚至数月才能完成。大多数公司只有少数几位估价员，这意味着他们实际上无法承接大部分可获得的工程。 该行业现有的软件自 2020 年以来就没有更新过。此外，市场上所有 AI 工程量计算工具都是为总包商设计的，它们将混凝土视为一个整体，而不是考虑混凝土估价员实际如何进行报价。我们正在为这个行业，并且只为这个行业，打造 Rudus。 我们开始这个项目是因为 Sahil 上了一门施工管理课程，并意识到估价流程几十年来一直没有改变。我们开始挨家挨户地拜访，带着甜甜圈走进办公室，出现在工地上，每个人都告诉我们同样的事情：缓慢的估价流程是阻碍他们业务增长的最大瓶颈，但他们尝试过的所有新产品都失败了。我们很快意识到，这些工具失败的原因是缺乏信任和频繁的错误导致后续问题。估价员依靠这些数字来完成数百万甚至数十亿美元的标书，他们明确表示不会用他们的工作流程去换取一个“黑箱”。我们采取了不同的方法：开发一款能够智能加速他们现有工作流程的软件，而不是取代它，我们将产品融入他们现有的估价流程中。 当估价员将他们的结构 PDF 上传到 Rudus 时，我们会自动分类每一张图纸（基础图、剖面图、基础详图、框架立面图），并将它们路由到正确的处理流程。计算机视觉技术可以检测整个图纸集中的混凝土构件，并跨图纸进行参照，以解析尺寸和细节，捕捉到仅基于图纸的工具总是会遗漏的构件。每个构件都会被扩展成完整的装配式条目：混凝土、模板和钢筋，并包含估价员通常需要手动计算的所有内容。一个典型的基础工程量计算，会从少数几个装配项扩展到 80-120 个已定价的条目。估价员进行审查，在需要时进行修改，然后直接导出到他们现有的工作流程中。 在 AI 估价领域，我们拥有几个关键优势。首先是我们的专注点——混凝土，这是建筑业的一个细分领域。没有人为混凝土分包商做这件事，因为他们的图纸与其他分包商的图纸差异很大。出于同样的原因，VLMs（视觉语言模型）和其他通用解决方案不起作用。相反，需要专有的计算机视觉模型，这依赖于海量客户数据的训练。我们运行多个不同的模型，这些模型直接在我们客户的工程量计算数据上进行训练，并且客户与我们模型的每一次互动都会成为一个训练示例，从而随着使用量的增加，每个客户的准确性都会得到提升。 我们的第二个优势在于我们的产品方法论，我们选择构建一个“副驾驶”，而不是一个“黑箱”。大多数 AI 工程量计算平台试图通过自主生成工程量来完全取代估价员，但目前模型的输出质量很差，所以工程量计算最终还是需要手工重做。在与结构混凝土估价员一起度过了 100 多个小时，并亲自完成了大量的工程量计算后，我们围绕着他们实际的工作流程进行了构建。估价员启动工程量计算，Rudus 通过查找相似性、遵循交叉引用和理解标注来扩展工作。估价员可以控制每一次接受、覆盖和编辑。结果是更快的工程量计算，并且可以进行辩护，而不是不可靠的 AI 输出，后者最终会被丢弃。 我们非常希望听到大家对我们的演示视频（<a href="https://www.youtube.com/watch?v=PAMNDRWEdlI">https://www.youtube.com/watch?v=PAMNDRWEdlI</a>）的看法，或者大家在构建计算机视觉模型方面的经验，以及任何您认为相关的内容！

发布七款新的 MAI 模型：https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/

大家好！ 我大部分时间都在 TinyFish（这真是太棒了）那里调整和使用非常强大的搜索引擎。最近，我一直对使用搜索引擎递归地构建数据集这个想法非常着迷。 我花了很多时间玩 Exa 的 WebSets 产品，并意识到它主要专注于潜在客户开发，并且创建的数据集有很多缺失的数据。 所以我们构建了一个完全开源的项目，可以针对任何主题构建和更新数据集。 到目前为止，我已经生成了以下数据集： “星巴克在亚马逊上销售的所有产品，包括价格和是否有货” “加利福尼亚的所有主题公园，以及门票价格” “所有正在招聘工程岗位的 YC 公司及其招聘页面链接” 非常希望大家能尝试一下，并留下你们的想法、星标和反馈。谢谢！