以下是关于 AI 企业赋能的相关内容： 去年，生成式 AI 从不引人注意走向 AI 50 强榜单前列。今年，企业用户和消费者的 AI 生产力大幅提高，应用公司在 AI 50 强榜单中占主导。许多公司正将 AI 融入工作流程以快速达成 KPI，如 ServiceNow 通过 AI 驱动的 Now Assist 实现近 20%的事件避免率，Palo Alto Networks 利用 AI 降低处理费用成本，Hubspot 利用 AI 扩大用户规模，瑞典金融科技公司 Klarna 通过将 AI 融入用户支持节省 4000 多万美元。成千上万的公司在将 AI 整合到工作流程中以扩张规模和降低成本，AI 50 强企业在快速进化。不远的将来，有望看到 UX 和 UI 围绕 AI 功能重新设计。 在法律法规方面，《促进创新的人工智能监管方法》提到： 要清晰，帮助跨部门企业应对监管环境。 值得信赖，提高消费者和企业对框架及其要求的认识。 协作，通过教育和提高意识，使企业和消费者能够参与框架的持续评估和迭代。 支持创新，增强信任以提高 AI 采用率。 同时，当前 AI 通过现有法律框架如金融服务监管等进行监管，但存在一些风险在现有监管范围之间或空白处。行业反映监管不一致会给企业带来不必要负担，可能导致小企业离开市场。监管协调有助于企业投资 AI 创新并建立公众信任，一些监管机构已通过正式网络合作确保监管一致性，但其他监管机构在 AI 专业知识方面能力和获取有限，存在执法不一致和部分监管机构过度解读权限范围的风险。

很抱歉，您提供的内容中并未直接提及制药行业 AI 赋能企业经营的具体工具。但一般来说，在其他行业中，AI 赋能企业经营可能会用到以下类型的工具： 1. 数据分析和预测工具：帮助企业处理和分析大量数据，以预测市场需求、药物研发趋势等。 2. 自动化流程工具：例如自动化生产流程控制、质量检测等环节。 3. 智能客服工具：为客户提供快速准确的服务和解答。 4. 药物研发辅助工具：利用 AI 算法加速药物研发过程，如虚拟筛选药物靶点等。 由于您提供的资料有限，以上只是一些常见的可能性，具体到制药行业还需要进一步的针对性研究和了解。

以下是一些可以生成分镜和故事板的 AI 工具及相关信息： 1. SAGA：是第一款也是最好的剧本创作和故事板应用程序，由针对电影输出而精心调整的最新和最强大的生成式人工智能模型提供支持，包括 GPT4、Claude 3.5 和 Luma Dream Machine。具有精心开发的故事、引人入胜的角色和精心策划的摄影的人工智能短片甚至音乐视频在比赛中表现更好。SAGA 为您提供最佳创意，让您在一个地方完成所有操作，无需购买一系列人工智能工具以及像 Final Draft 或 Storyboarder 这样的应用程序来将其整合在一起。提供 1 个月的 Saga 高级订阅。 2. OpenAI：在春季发布会上，GPT4o 进行了一系列测试，包括一次性出 10 个分镜等。 3. 其他相关工具： Playhouse：使用人工智能为 2D 或 3D 角色制作动画。输入文字，或打开相机并表演。无需再为 3D 角色进行绑定。生成 3D 资产，只需输入文字或上传图像。我们将其转换为 3D。控制 3D 场景中的每个元素。前 5000 名注册用户可享受 1 个月的 Playhouse 独立计划。 Playbook：是一个基于扩散的 3D 场景引擎，利用 ComfyUI 进行图像和视频生成。基于网络的工具+Blender 插件，提供 300 渲染积分。 Tripo：Tripo AI 是由 VAST 推出的生成式 3D 模型，可以在 8 秒内生成带纹理的 3D 网格模型，在 2 分钟内生成详细模型。此外，Tripo 还开发了自动绑定、动画和风格化功能，以使生成的模型更易于在流程中使用。Tripo API 与 ComfyUI 集成良好，可实现迭代和可控流程。Tripo AI 还拥有一个热门的 3D 创作者/开发者社区。Tripo 的最终目标是在即将到来的 3D 时代让每个人都成为超级创作者。提供 1 个月的 Tripo 专业订阅。 在现阶段的应用场景方面： 1. 专业创作者（艺术家、影视人等）：AI 生成能够为作品赋予独特风格和想象力，为创作者提供灵感，配合高超的剪辑技巧和叙事能力，便可以制作出超乎想象的效果。低成本动捕更是能够大幅降低后期制作的门槛和成本，自动识别背景生成绿幕、视频主体跟随运动等能够辅助视频编辑，为后期制作增加更多空间。目前该应用主要集中在音乐 MV、短篇电影、动漫等方向。一些 AI 视频平台也积极寻求创意合作，为创作者提供免费支持。 2. 自媒体、非专业创作者：这部分人群通常有着非常具体且明确的视频剪辑痛点。比如科技、财经、资讯类重脚本内容的视频在制作时需花费大量时间寻找视频素材、还需注意视频版权问题。一些产品（Invideo AI、Pictory）已经在发力脚本生成分镜、视频，帮助创作者降低视频素材制作门槛。Gamma AI 已经实现了文章高效转 PPT 的能力，若能结合 Synthesia、HeyGen AI、DID 等产品的 Avatar、语音生成能力也可快速转化为视频内容。不同平台适合不同内容形式，创作者想要将同一个素材在不同平台分发就意味着制作成本的升高。而 OpusClip 提供的长视频转短视频致力于解决这一痛点。 3. 企业客户：对于没有足够视频制作资金的小企业、非盈利机构来说，AI 视频生成可以为其大幅缩减成本。

基于大模型的 RAG 应用开发与优化具有以下特点： 优势： 1. 灵活性：可根据需求和数据源选择不同组件和参数，还能使用自定义组件，只要遵循 LangChain 的接口规范。 2. 可扩展性：能利用 LangChain 的云服务部署和运行应用，无需担心资源和性能限制，也能使用分布式计算功能加速应用。 3. 可视化：通过 LangSmith 可视化工作流程，查看输入输出及组件性能状态，还能用于调试和优化，发现解决问题和瓶颈。 应用场景： 1. 专业问答：构建医疗、法律或金融等专业领域的问答应用，从专业数据源检索信息帮助大模型回答问题。 2. 文本摘要：构建新闻或论文等的摘要应用，从多个数据源检索相关文本帮助大模型生成综合摘要。 3. 文本生成：构建诗歌、故事等生成应用，从不同数据源检索灵感帮助大模型生成更有趣和创意的文本。 调优实践： 1. 更换大模型：从 ChatGLM26B 替换成 baichuan213b，针对特定场景，后者性能提升一倍左右。 2. 更换 embedding 模型：将 embedding 模型从 LangChain Chatchat 默认的 m3ebase 替换为 bgelargezh，后者更优。 3. 测试不同 Top k 的值：比较 Top 5、Top 10、Top 15 的结果，发现 Top 10 时效果最优。 4. 对文档名称进行处理：人工重命名文件对结果提升不明显，但勾选【开启中文标题加强】选项后，回答的无关信息减少，效果有所提升。目前效果虽有提升，但仍未达到可用水平，后续将尝试其他调优策略。

以下是一些适合做 PPT 的 AI 网站： Gamma：在线 PPT 制作网站，可通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式，如 GIF 和视频，网址：https://gamma.app/ 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出，通过输入简单文本描述生成专业 PPT 设计，包含丰富模板库和设计元素，网址：https://www.xdesign.com/ppt/ Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，如自动布局、图像选择和文本优化等，网址：https://www.mindshow.fun/ 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术优势，提供智能文本生成、语音输入、文档格式化等功能，网址：https://zhiwen.xfyun.cn/ 此外，还有以下相关网站和应用： SlidesAI Decktopus AI Tome MagicSlides Presentations.AI Canva Simplified GlimmerAI Sendsteps Plus AI Microsoft 365 Copilot Canva Magic Design ChatGPT Beautiful.AI 目前市面上大多数 AI 生成 PPT 通常按照以下思路完成设计和制作： 1. AI 生成 PPT 大纲 2. 手动优化大纲 3. 导入工具生成 PPT 4. 优化整体结构 推荐 2 篇市场分析的文章供参考： 《》 《》 相似问题包括： 有没有生成 PPT 的应用推荐，不用翻墙的 免费生成 PPT 的网站有哪些 推荐一款文字生成 ppt 的工具 免费 ai 制作 ppt 软件 推荐 3 款好用的 AI 制作 ppt 工具 请注意，内容由 AI 大模型生成，请仔细甄别。

以下是关于雪梅 May 的 AI 100 天学习笔记的相关内容： 作者介绍： 适合纯 AI 小白，可参考此日记，学习模式为输入→模仿→自发创造。 学习内容因 AI 节奏快可能不适用，可去 waytoAGI 社区找感兴趣的最新内容。 学习时间并非每天依次进行，有空就学，作者已进行到 90 天。 2024 年保持较好学习状态，不仅学 AI 还看了 33 本书。 学习资源免费开源。 第一阶段： DAY5 2024.5.26：开始使用 kimi，抱着每天问 100 个问题的心态调整思考模式，养成问 AI 问题的习惯，参考。 DAY6 2024.5.31：应朋友推荐学习吴恩达生成式人工智能课程，在 B 站搜索对应关键词有课程资源，学习笔记，抽空 3 天学完。 DAY7 2024.6.1：探索用 AI 解决真实问题，团队要写行业研究报告，尝试用 AI 帮忙。 2024 年 12 月 31 日历史更新（归档）： ，日记分三个阶段，学习路线图适合新人参考。 ，Yann LeCun 直指当前 AI 根本局限，阐述不同技术路径。 ，强调将 AI 视为方法，用哲学视角构建理解与方法论。

以下是关于职场求职的相关内容： 岗位职责生成器：由小七姐创作，版本 1.3。可根据标准模板及用户需求，为从事人力资源岗位的初级用户快速生成岗位职责。需注意与用户对话时，考虑其经验和技能水平，生成的岗位职责应包含通用模块和业务专业模块。生成岗位职责后，可基于此提供 15 个面试问题，分任职资格、职业发展、业务能力三个模块。 AI 提示词工程师岗位技能要求： 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 具有一定的编程基础，熟练使用 Python、Git 等工具。 职场新人求助攻的案例：刚转正的 HR 要组织新员工培训，制造业公司新人 HR 要给 20 名 95 后校招生做入职培训等。 常见翻车急救包：如应对 AI 开始瞎编、答案太笼统、越改越跑偏等状况的方法。

大模型与传统系统存在以下区别： 1. 应用场景：传统的智能问答系统在处理政府政策问答等复杂、语义理解难度大的场景时存在困难，而大模型能学习大量文本数据、捕捉和理解问题的上下文，具有超强的泛化和生成自然语言的能力，为政策问答带来新的可能。 2. 训练方式：大模型通过预训练和微调的方式，减少了对人工标注数据的需求，增加了落地应用的可行性。传统系统可能更多依赖人工标注数据和特定规则。 3. 运作逻辑：传统语音技能的 NLU 是通过一系列规则、分词策略等训练而成，运作逻辑规律可观测，具有 ifelse 式的逻辑性。大模型凭借海量数据在向量空间中学习知识的关联性，运作逻辑难以观测，脱离了 ifelse 的层面。 4. 数据和参数：大模型的预训练数据非常大，往往来自互联网上的多种来源，且参数众多。而传统系统在数据规模和参数数量上通常相对较小。 5. 任务完成方式：如在 GPT3 中，模型需要根据用户输入的任务描述或详细例子完成任务，而 ChatGPT 只需像和人类对话一样即可完成任务。 6. 安全性：不同的大模型在安全性方面存在差别。

大模型的发展历程如下： 2017 年发布的 Attention Is All You Need 论文是起源。 2018 年，Google 提出 BERT（Bidirectional Encoder Representations from Transformers），其创新性地采用双向预训练并行获取上下文语义信息，以及掩码语言建模（MLM）以更好地推断语义信息，开创了预训练语言表示范式，参数规模在 110M 到 340M。 2018 年，OpenAI 提出 GPT（Generative Pretrained Transformer），开创了仅使用自回归语言建模作为预训练目标而无需额外监督信号，展示了通过无监督大规模预训练获得的语言生成能力，参数规模达 1750 亿。 2021 年，Meta 提出 Large LAnguage Model Approach（LLAMA），是首个开源模型，为构建更大规模、更通用的语言模型提供了系统化的方法与工具，参数规模在十亿到千亿。 2023 年度中文大模型基准测评报告中，优秀模型案例包括： 2022 年 12 月的字节云雀大模型，闭源，通用大模型。 百川 Baichuan、Yi34B 等开源模型，涵盖医疗、汽车、教育等行业。 过去半年国内外代表性模型的发展趋势为：国内领军大模型企业实现了大模型代际追赶的奇迹，从 7 月份与 GPT3.5 的 20 分差距，每个月都有稳定且巨大的提升，到 11 月份测评时已经完成总分上对 GPT3.5 的超越。 随着大模型技术愈发成熟、规模增大，为 AI Agent 提供强大能力，Agent + 大模型有望构建具备自主思考、决策和执行能力的智能体，广泛应用于多个行业和领域。

以下是一些关于文生图的模型和工具的信息： Tusiart： 定主题：确定生成图片的主题、风格和表达的信息。 选择基础模型 Checkpoint：可选用麦橘、墨幽等系列模型。 选择 lora：寻找与生成内容重叠的 lora 以控制图片效果和质量。 ControlNet：可控制图片中特定的图像。 设置 VAE：选择 840000 。 Prompt 提示词：用英文写需求，单词和短语用英文半角逗号隔开。 负向提示词 Negative Prompt：用英文写避免产生的内容，单词和短语用英文半角逗号隔开。 采样算法：一般选 DPM++2M Karras ，也可参考模型作者推荐的采样器。 采样次数：选 DPM++2M Karras 时，采样次数在 30 40 之间。 尺寸：根据需求和喜好选择。 吐司网站： 文生图的操作方式：在首页的对话生图对话框输入文字描述即可生成图片，不满意可通过对话修改。 模型及生成效果：Flex 模型对语义理解强，不同模型生成图片的积分消耗不同，生成效果受多种因素影响。 图生图及参数设置：可基于图片做延展，能调整尺寸、生成数量等参数，高清修复消耗算力多，建议先出小图。 特定风格的生成：国外模型对中式水墨风等特定风格的适配可能不足，可通过训练 Lora 模型改善。 Liblibai： 定主题：确定生成图片的主题、风格和表达的信息。 选择 Checkpoint：可选用麦橘、墨幽等系列模型。 选择 lora：寻找与生成内容重叠的 lora 以控制图片效果和质量。 设置 VAE：选择 840000 。 CLIP 跳过层：设成 2 。 Prompt 提示词：用英文写需求，单词和短语用英文半角逗号隔开。 负向提示词 Negative Prompt：用英文写避免产生的内容，单词和短语用英文半角逗号隔开。 采样方法：一般选 DPM++2M Karras ，也可参考模型作者推荐的采样器。 迭代步数：选 DPM++2M Karras 时，迭代步数在 30 40 之间。 尺寸：根据需求和喜好选择。 生成批次：默认 1 批。