如今的制造业广泛依赖于各类机械技术,其中包括已经拥有超过一个世纪的成熟技术方案,以及各类前沿创新型工具。以加法与减法制造、计算机辅助设计与制造(computer-aided design and manufacturing,简称CAD/CAM)以及激光制造等流程为代表的技术方案,使得制造类企业得以更好地响应市场需求的快速变化。
增材制造(Additive Manufacturing,简称AM)是指导通过材料分层堆叠的方式构建产品; 其亦被广泛视为3D打印的同义词。不过二者之间仍然存在一定区别:前者往往部署于规模化制造环境当中,而3D打印则更多以消费者为中心且与创客活动有关。这方面的实例包括制造具有复杂几何开关的部件,这类部件往往很难通过传统生产工艺进行制造。
增材制造的另一种用途在于快速原型制造(rapid prototyping,简称RP),其中的各零件或组件的比例模型可在全面投产之前进行试验性制作。快速原型制造技术的发展,使得小批量生产高质量零件成为可能,且成本仍然处于合理范围之内。
与增材制造直接相关的技术为计算机辅助设计(computer-aided design,简称CAD),其负责为增材结构提供必要的几何数据。由CAD软件生成的三维渲染结果以及由扫描仪生成的二维平面,皆可作为此类数据的基础。
当然,CAD也被广泛应用于其它制造流程当中。计算机辅助制造(简称CAM)就使得CAD工艺更进一步,能够利用软件控制机床对金属等刚性原材料进行切割及成型——这一过程亦被称为“加工”。由于加工技术一般涉及对受控材料进行多余部分消除,因此被统称为减法制造。
图:机械技术间对应关系的实例。金属部件顶端视角的CAD模型,该部件由0.5毫米厚的不锈钢材料通过激光切割制造而成。
激光制造技术也已经在加法与减法制造领域占据有一席之地。一部分最早的3D打印技术即基于立体光刻技术(stereolithography,简称SLA),这是一种发明于上世纪八十年代中期的增量制造系统。其利用此外激光固化光聚合物,进而形成制造物体的各层。如今的制造行业正在利用选择性激光烧结(selective laser sintering,简称SLS)与选择性激光熔化(selective laser melting,简称SLM)等扩展性技术应用——二者皆通过融合粉末材料以形成坚固的结构。
激光器的减少制造应用的历史更为悠久,且目前仍得到广泛使用。激光加工的例子包括常见于板材、结构与管道材料的激光切割;用于外科手术管材等医疗器械的激光钻孔; 以及在汽车工业中得到大量应用的激光焊接锁孔制造技术。
Epilog的光纤激光器系列设备亦可改变金属等材料的外观。通过控制加热与冷却,激光将可形成光滑且闪亮的表面效果——行业亦将此称为激光抛光或镜面处理。此类应用包括建筑标牌与高端标签。此外,在利用激光将金属加热至接近熔点,而后进行缓慢冷却时,这一退火过程将可产生彩虹般的标记。该项技术常被用于制造人体内使用的医疗设备。
Epilog FiberMark等激光器亦可实现真正的加工技术,例如以受控蚀刻方式去除目标材料的特定部分。蚀刻属于一种浅雕刻工艺,在制造业中常用于生产带有序列号、徽标或条形码的工具及零件。
从这份简短的清单可以看到,现代制造业所涉及的机械技术种类繁多、用途各异。此外,这些技术亦常被联系在一起——某一技术的发展亦会推动其它技术的进步。虽然前景尚有待观察,但其发展潜力无疑是巨大的。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。