场景分析
先到现场盘点已有的数据与流程,把问题拆成可以落地的技术方案,算清投入产出再动手。优先解决最累、最费人的事。
先到现场盘点已有的数据与流程,把问题拆成可以落地的技术方案,算清投入产出再动手。优先解决最累、最费人的事。
按行业场景做监督微调与偏好对齐,让模型说这一行的话、按这家企业的偏好判断。数据敏感的场景在内网跑本地模型。
把大模型接进业务链路:稳定的执行循环、跨会话的记忆沉淀、可组装的轻量能力单元,交付能稳定出结果的系统。
地震波初至自动拾取,断层与层位智能识别,把处理和解释人员的重复劳动降到最低。
数据统一接入与清洗,质量与成本过程分析,异常预警,企业本体问答,判断沉淀在企业内部。
把任务分解、责任分工、节点进度与风险项挂在同一张图上,进度自动更新,风险单独提示。
factory-ontology 仓库从个人名下迁到 data3oil 组织名下,17 个 star、4 个 fork 一个没少,旧地址照常打开。本文说 …
MIT 说 95% 的生成式 AI 试点没在损益表上留下痕迹,现场却在拼命加人。本文从 Palantir 的 Delta 加 Echo 两人组说起,拆清 …
SQL跑通之后,答案还是另一件事同一批模型,两套成绩。基于o1-preview的智能体在Spider1.0基准上,把91.2%的自然语言问题转成了可执行 …
把结构化台账变成可自然语言提问的语义知识图谱:CSV 进,答案出,每个答案都带证据。确定性规则优先,核心路径纯标准库,本地建模本地问答,数据不出厂。
算法原子开源,落地实施我们做。下载、部署、修改、商用无需申请许可;把这一层装进真实现场——数据脏、没人标、验收没标准的那部分工作,按项目交付。仓库不接收任何真实工厂数据,示例一律合成数据。
北京三油科技有限责任公司成立于 2021 年 4 月,聚焦地球物理与工业领域的 AI 落地,主要做四件事:场景分析、垂直模型训练与微调、大模型应用、智能体设计。以波形、时深数据为主线研发行业算法,也把同一套方法用在智能制造企业的数字化转型上。
能。数据敏感的场景在企业内网跑本地模型,数据不出企业边界。交付上有一条底线:先问数据出不出得去,再谈用哪个模型。
服务的细分领域包括石油及煤田物探、工程物探、合成化工、水文、智慧城市、管道建设。已交付的案例(脱敏)涉及石油石化、精细化工、航天系企业与阀门制造。
先到现场盘点已有的数据与流程,把问题拆成可以落地的技术方案,算清投入产出再动手。优先解决最累、最费人的事。
软件定制、前后端开发、平台搭建,以及私域大模型的部署与训练工程化方案。
处理环节主要是噪音去除与初至拾取:噪音去除压制面波、多次波等干扰,提升资料信噪比;初至拾取自动判读初至时间,为近地表建模与静校正提供输入,替代人工逐道拾取。
解释环节主要是断层与层位识别、地震相识别:从三维地震数据体识别断层并提取断层面,追踪层位并输出构造模型,划分地震相类型。输出作为解释人员的初稿,判断与收口仍由人负责。
把现场情况说给我们,先判断值不值得做。