Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

近6个月ai有什么较大的突破

Answer

在近 6 个月,AI 有以下较大的突破:

  1. 在人工智能行业,过去 12 个月里流量增长显著。从 2022 年 9 月到 2023 年 8 月,研究的工具访问量从 2.418 亿次增长到 28 亿次,增长了 10.7 倍。其中,最近 6 个月每月平均流量为 33 亿。这一飞跃从去年 11 月 ChatGPT 成为最快达到 100 万用户的平台开始,2023 年 5 月达到峰值约 41 亿。
  2. 在医疗保健领域,尽管像 ChatGPT 等产品反映的技术突破显著,但也强调了其不足。例如 GPT-4 在美国医学执照考试中超过及格分数 20 分,但在各方面表现并非都出色。
  3. 企业对生成式 AI 的资源配置和态度发生显著变化。过去几个月,企业对生成式 AI 的预算几乎增加两倍,更多应用部署在较小的开源模型上,更多业务从早期实验转移到生产环境中。
Content generated by AI large model, please carefully verify (powered by aily)

References

翻译:AI 行业分析:50 个访问量最大的 AI 工具及流量行为

在过去12个月里,人工智能行业是我们长期以来看到的最重要的技术发展之一。在我们研究的起始月份(2022年9月)期间,我们分析的工具产生了2.418亿次访问。正如您在图表中看到的,所有50个工具的总流量在研究期间增长了10.7倍。但在2023年8月的最后一个月,这些工具产生了惊人的28亿次访问量。从这个角度来看,从研究开始一个月到研究结束,流量增加了26亿。这相当于在研究的12个月内平均每月访问量增加2.363亿次。但这一切从哪里开始呢?这一飞跃真正从去年11月开始——当时ChatGPT成为有史以来最快达到100万用户的平台(仅用了5天)。在最初的繁荣之后,炒作一直持续攀升,直到2023年5月,月访问量达到峰值约41亿。这是我们第一次看到行业流量回落12亿。整个期间的平均流量为每月20亿。但有趣的是,如果我们只看最近6个月,每月平均流量为33亿。像人工智能这样的新兴技术趋势能引起如此大的兴趣是非常罕见的。即使在12亿次访问量回落和下降之后,人们的兴趣仍然巨大-行业总兴趣徘徊在上一年增长10.7倍左右。从这个角度来看,风投和投资者可以在人工智能竞赛中挑选几乎任何一匹大马,并在短短一年内安全地实现3-10倍的增长(假设兴趣反映在财务和用户基础上)。

为了在医疗保健中产生真正的改变,AI 需要像我们一样学习

原文地址:https://time.com/6274752/ai-health-care/作者:Vijay Pande博士,是a16z的合作者,专注于生物和健康领域投资发表时间:2023-5-3翻译:通往AGI之路数百万人,其中很多人以前从未深入思考过计算机科学,现在正在尝试像ChatGPT这样能进行流畅对话的生成式AI模型和像DALL-E这样的创意图像生成器。虽然这些产品反映的技术突破并不如AI进入公众意识那样显著,但它们获得的关注正在引导大量[投资](https://www.wired.com/story/microsoft-taps-chatgpt-to-boost-bing-and-beat-google/)流动——这种投资正在塑造这项技术在未来几年中的应用方式。对于我们这些一直对AI在改变社会上持有[乐观态度](https://www.nytimes.com/2018/01/25/opinion/artificial-intelligence-black-box.html)的人来说,特别是在关键领域如健康和医学中,近几个月感觉非常像科幻小说变为现实。然而,尽管探索这些能力很令人愉悦——例如,GPT-4在美国医学执照考试中[超过](https://www.microsoft.com/en-us/research/publication/capabilities-of-gpt-4-on-medical-challenge-problems/)及格分数20分——但这样做的结果主要是强调了它们的不足。拥有读取、保留并根据需要重复所有这些数据的能力使得今天的AI在所有方面都很优秀,但没有在任何方面做得非常出色。

企业构建和购买生成式 AI 方式的 16 个变化

生成式人工智能(Generative AI)在2023年迅速席卷了消费市场,创下了超过10亿美元的消费支出的纪录。2024年,我们相信企业领域的收入机会将是前者的数倍。去年,尽管消费者花费数小时与新的AI伴侣聊天或使用扩散模型(diffusion models)制作图像和视频,企业对genAI的大部分参与似乎局限于少数明显的用例,并且将“GPT-wrapper(GPT套壳)”产品作为新的SKU进行交付。一些持怀疑态度的人怀疑genAI是否能够在企业中扩展。这些初创公司真的能赚到钱吗?这难道不都是炒作吗?在过去的几个月里,a16Z与数十家财富500强和顶级企业领导人进行了交谈,并对70多位进行了调查,以了解他们如何使用、采购和预算生成式人工智能。调查结果显示,在过去6个月里,企业对生成式AI的资源配置和态度发生了显著变化。尽管这些领导人对部署生成式人工智能仍有一些保留,但他们几乎将预算增加了两倍,将更多应用部署在较小的开源模型上,并将更多业务从早期实验转移到生产环境中。这对创始人来说是一个巨大的机遇。a16Z认为,那些为客户“以AI为中心的战略计划”构建解决方案,并同时能预见他们的痛点,以及从重服务模式转向构建可扩展产品的人工智能初创公司,将会抓住这一新的投资浪潮并占据重要的市场份额。任何时候,为企业构建和销售任何产品都需要对客户的预算、关注点和路线图有深入的了解。为了让AI公司创始人了解企业客户高层将如何决定部署生成式AI,并让其了解该领域相关企业高层如何解决与他们相同的问题,a16Z根据访谈结果总结了以下16个最为关键的考虑因素,涉及资源、模型和应用。

Others are asking
有哪些好用的ai可视化工具
以下是一些好用的 AI 可视化工具: 1. Lucidchart:流行的在线绘图工具,支持多种图表创建,包括逻辑视图、功能视图和部署视图,用户可通过拖放界面轻松创建架构图。 2. Visual Paradigm:全面的 UML 工具,提供创建各种架构视图的功能,如逻辑视图(类图、组件图)、功能视图(用例图)和部署视图(部署图)。 3. ArchiMate:开源的建模语言,专门用于企业架构,支持逻辑视图的创建,可与 Archi 工具配合使用,该工具提供图形化界面创建模型。 4. Enterprise Architect:强大的建模、设计和生成代码的工具,支持创建多种架构视图,包括逻辑、功能和部署视图。 5. Microsoft Visio:广泛使用的图表和矢量图形应用程序,提供丰富模板用于创建逻辑视图、功能视图和部署视图等。 6. draw.io(现称为 diagrams.net):免费的在线图表软件,允许创建各种类型的图表,包括软件架构图,支持创建逻辑视图和部署视图等。 7. PlantUML:文本到 UML 的转换工具,通过编写描述性文本自动生成序列图、用例图、类图等,帮助创建逻辑视图。 8. Gliffy:基于云的绘图工具,提供创建各种架构图的功能,包括逻辑视图和部署视图。 9. Archi:免费的开源工具,用于创建 ArchiMate 和 TOGAF 模型,支持逻辑视图的创建。 10. Rational Rose:IBM 的 UML 工具,支持创建多种视图,包括逻辑视图和部署视图。 此外,Google DeepMind 发布了一套可视化工具,可用于了解语言模型的内部工作原理,提取有意义的特征,揭示语言模型内部的激活状态。详细原理解释:https://xiaohu.ai/p/12186 链接:https://x.com/imxiaohu/status/1818825233778061560 。
2025-02-22
AI文档
以下是为您整理的关于 AI 文档的相关内容: 如何使用 AI 来做事: 越来越强大的人工智能系统正快速发布,如 Claude 2、Open AI 的 Code Interpreter 等,但似乎没有实验室提供用户文档,用户指南多来自 Twitter 影响者。 作者基于经验为学生和感兴趣的读者准备入门指南,侧重于如何选择正确工具做事,提前阅读相关任务类型可能有帮助。 Cursor 进阶: 模块结构上的使用,目的是让 AI 输出更多理解信息,使用后 AI 回复会随机带图便于查阅。 意在以各种形式提升 AI 对所做事情的理解,方便用户理解以持续控制 AI 产出。 有更新提示词限制 AI 产出的情况。 建议配置各种文档,如初始化文档、目录文档、关联模块文档、全局文档等。 AI 文章排版工具: 主要用于自动化和优化文档布局和格式,处理学术论文和专业文档时很有用。 一些流行的工具包括:Grammarly(提供排版功能改进风格)、QuillBot(改进文本清晰度和流畅性)、Latex(学术论文排版常用,有 AI 辅助编辑器和插件)、PandaDoc(文档自动化平台)、Wordtune(重新表述和改进文本)、Overleaf(在线 Latex 编辑器)。 选择合适工具取决于具体需求,如文档类型、出版标准和个人偏好。学术论文常用 Latex 和 Overleaf,一般文章和商业文档可用 Grammarly 和 PandaDoc 等。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-22
用AI建立本地的知识库,推荐哪些?
以下是为您推荐的用 AI 建立本地知识库的方法和相关软件: 1. AnythingLLM: 包含了所有 Open WebUI 的能力,并额外支持选择文本嵌入模型和向量数据库。 安装地址:https://useanything.com/download 。 安装完成后进入配置页面,主要分为三步:选择大模型、选择文本嵌入模型、选择向量数据库。 构建本地知识库时,有 Workspace 的概念,可创建独有的 Workspace 与其他项目数据隔离。首先创建工作空间,然后上传文档并在工作空间中进行文本嵌入,接着选择对话模式(包括 Chat 模式和 Query 模式),最后进行测试对话。 2. Obsidian 加 Cursor: 可利用 Obsidian 的浏览器剪藏插件和 AI 插件,但配置复杂,可能存在恶性 Bug 。 可以用 Cursor 等 AI IDE 解决问题,主要有三类作用:帮助用模糊问题检索笔记库;基于笔记库进行研究,结合多个笔记软件给出建议;生成和修改笔记,如生成整个笔记文件或修改笔记文案。 希望以上内容对您有所帮助。
2025-02-22
有没有专业分析和修改简历的AI
以下是一些专业分析和修改简历的 AI 工具: 1. Kickresume 的 AI 简历写作器:使用 OpenAI 的 GPT4 语言模型自动生成简历,能为简历摘要、工作经验和教育等专业部分编写内容,并保持一致语调。 2. Rezi:受到超过 200 万用户信任的领先 AI 简历构建平台,使用先进的 AI 技术自动化创建可雇佣简历的每个方面,包括写作、编辑、格式化和优化。 3. Huntr 的 AI 简历构建器:提供免费的简历模板,以及 AI 生成的总结/技能/成就生成器和 AI 驱动的简历工作匹配。 此外,还有超级简历优化助手,能帮助用户优化简历提高求职成功率。您还可以查看这里获取更多 AI 简历产品:https://www.waytoagi.com/category/79 。 希望这些信息对您有所帮助,您可以根据自己的需要选择最适合您的工具。
2025-02-22
我是高中历史老师,我想知道用什么AI模型可以“将自己的PPT变成一篇论文”
目前在将 PPT 转换为论文方面,GPT 模型可能会有所帮助。例如,在“教育:一个历史老师用 GPT 给学生讲课”的案例中,学生利用 GPT 相关功能进行模拟体验,并根据要求撰写论文,包括分析模拟的准确性、进行事实核查等。 另外,Claude 模型也能在相关工作中发挥作用。比如可以帮助快速寻找符合条件的论文、提取精炼论文中的信息,甚至找到适合的 PPT 制作工具并指导使用。 此外,一些神经网络大模型通过预测下一个字的方式生成文字,这种方式具有一定的创意性,且可拓展到图像、声音等领域。但需要注意的是,AI 的预测不一定保证完全正确。
2025-02-22
AI案例
以下是一些 AI 在不同领域的应用案例: 活动策划方面: 1. 活动主题及内容生成:根据活动目标、参与者背景等信息,AI 可以生成合适的活动主题和内容框架建议,例如通过对话生成模型提出活动主题和议程草案。 2. 邀请函和宣传文案生成:AI 可以基于活动信息生成吸引人的邀请函和宣传文案,增强宣传效果。例如微软在 Build 大会上,使用 AI 生成了 8000 多份个性化的邀请函。 3. 现场活动管理:利用计算机视觉、语音识别等,AI 可以辅助管理活动现场的人流、秩序等。例如基于人群密度的通道引导、实时翻译等。 4. 虚拟助手:AI 对话系统可以作为虚拟活动助手,为参与者提供信息查询、问题咨询等服务。例如,Replika 提供了智能的虚拟活动助手应用。 5. 活动反馈分析:AI 可以自动分析活动反馈(文字、语音等),总结关键观点和改进建议。例如飞书和钉钉的会议总结功能。 6. 活动营销优化:基于参与者行为数据,AI 可以优化营销策略,实现个性化营销。例如,针对目标受众的定向广告投放等。 其他领域: 1. 客户服务聊天机器人中的自然语言处理:具有适应性,能根据大量数据集训练对实时客户消息做出响应,并可能随着系统学习而增加个性化;具有自主性,基于客户文本输入生成类似人类的输出,回答查询、帮助客户查找产品和服务或发送有针对性的更新,操作时几乎不需要人工监督或干预。但可能存在无意包含不准确或误导信息等监管问题。 2. 医疗保健分诊系统的自动化:具有适应性,能根据医疗数据集、患者记录和实时健康数据分析预测患者病情;具有自主性,为医疗专业人员或直接为患者生成有关患者症状可能原因的信息,并推荐潜在的干预措施和治疗方法。 扣子案例: 1. 2. 3. 4. 5. 6. 7. 8. 9.
2025-02-22
通用人工智能技术取得显著突破,中美竞争加剧
以下是为您整理的相关内容: 2024 年 7 月 1 日: 微软 AI CEO Mustafa Suleyman 在阿斯彭思想节上表示,AI 的发展将持续对社会产生深远影响。他强调中美在技术竞争中应该寻求合作,而不仅仅是竞争。在谈到监管时,他认为监管并非邪恶,历史上技术都曾被成功监管。对于 AGI(通用人工智能),他认为应该认真对待与之相关的安全风险,并建立全球治理机制。 小伙伴整理了关于阿里 D20 的 PPT,内容主要是 AI 在设计、教育、出海方向上的内容。 举办了 AI 切磋大会,共 12 地小伙伴线下参与,一起 AI 出图、出视频、做音乐等,动手实践,享受创造的乐趣,目标是让每个人都能玩转 AI。 2024 年 11 月 6 日: 李开复在采访中表达了对 AGI(通用人工智能)霸权的担忧,指出如果美国形成 AGI 垄断,将对全球科技生态产生深远影响。他认为,中国在研发廉价模型和推理引擎方面具备优势,尽管技术上可能落后,但在应用和落地速度上可与美国竞争。他强调,追求 AGI 的同时,中国应寻找另一条生态护城河的发展路径,确保多样化应用和更广泛的市场参与。 作者艾木三号提到,Geoffrey Hinton 强调词嵌入是理解自然语言的关键,通过将文字符号转化为向量,模型能进行有效的信息编码和推理。类比能力使得模型能够发现不同事物间的共同结构,从而展现创造力。
2025-01-14
这几天ai领域有没有突破性的论文
以下是这几天 AI 领域的一些相关论文和研究成果: 1. 《山姆·奥特曼传(二):OpenAI 的第一次内斗》中提到,2017 年 Google Brain 团队撰写的论文《Attention is All You Need》介绍了 Transformer 架构,彻底改变了 AI 领域的格局。OpenAI 在其技术领袖伊利亚的推动下,基于 Transformer 架构开发了 GPT 系列模型。 2. 《2024 人工智能报告》中包含了关于 AI 在未来一年的 10 个预测,如一个主权国家向美国大型人工智能实验室投资 100 亿美元以上需要国家安全审查,没有任何编码能力的人独自创建的应用程序或网站将会迅速走红等。 3. 《入门经典必读》中指出人工智能的研究正在以指数级别的速度增长,文中分享了一份用于更深入了解现代 AI 的精选资源列表,其中提到从 2017 年谷歌发布的“Attention is All You Need”这篇开启了生成 AI 时代的论文开始的一系列里程碑式研究成果。
2024-12-26
AI在3D制图方面有什么突破吗
AI 在 3D 制图方面有以下突破: Stability AI 与 Tripo AI 合作发布了 TripoSR,能够将单图在半秒内变为 3D。 生成式 AI 可以为游戏创建 2D 艺术、纹理、3D 模型,并协助关卡设计。在营销中,有望取代库存艺术、产品摄影和插图,且已在网页设计、室内设计和景观设计中有所应用。 Diffusion Model 像极具耐心的艺术家,通过逐步去噪实现高质量的图像生成和重构。 NeRF 像空间中的建筑师,能把一系列二维图像转化成逼真的三维场景,3DGS 作为三维形状生成领域的重要技术,专注于物体的结构和几何特征,能理解和重构三维物体的形状。在虚拟现实、游戏开发等领域,二者的结合能生成逼真的三维场景和高度定制的三维对象。 您可以通过以下链接获取更多详细信息:
2024-12-07
人工智能的发展历史及各个阶段起到关键作用的重大突破
人工智能的发展历史可以追溯到 20 世纪 50 年代,以下是各个阶段起到关键作用的重大突破: 1. 20 世纪 50 年代: 纽维尔和西蒙开发了名为“逻辑理论家”的程序,能够证明数学定理,此后又开发了“通用问题求解器”。意义:作为符号学派的代表,为形式化证明打开了大门。 英国数学家阿兰·图灵提出了著名的“图灵测试”。 2. 20 世纪 60 年代: 美国心理学家弗兰克·罗森布拉特提出了感知机模型,这是一种具有学习能力的神经网络。意义:开创了连接主义学派,为 DNN 学习范式开启了窗口。 3. 1971 年到 2015 年间,与电子游戏相关的人工智能研究论文数量不到 1000 篇,但从 2015 年到 2022 年的 7 年里,相关论文数量就达到 1625 篇,其中 17 篇成为《自然》和《科学》的封面文章。 4. 1997 年:“深蓝”电脑在国际象棋比赛中战胜世界冠军卡斯帕罗夫。 5. 2016 年:AlphaGo 在围棋比赛中战胜世界冠军李世石。 6. 2020 年:GPT3 发布,非常擅长用电脑写文章和做其他很多用语言的事情。 7. 2022 年:DALLE 发布,可以根据描述画出想象中的图画。 8. 2023 年:GPT4 发布。 在快速发展的过程中,众多巨人开创了具有重大意义的里程碑事件,推动了人工智能的不断进步。
2024-12-05
ai行业前沿技术突破
以下是关于 AI 行业前沿技术突破的相关内容: 2024 年,AI 模型在生物医学、气象预测等领域取得了重要突破。诺贝尔物理学奖和化学奖先后颁给了 AI,这不仅推动了机器学习的理论创新,还揭示了蛋白质折叠问题,标志着人工智能已成为一门科学学科和加速科学的工具。 在具体的技术应用方面: 基于深度学习和 Transformer 架构的蛋白质结构预测模型 AlphaFold 3 能够高精度地预测包括蛋白质、DNA、RNA、配体等生物分子的结构和相互作用,将为细胞功能解析、药物设计和生物科学的发展提供有力支持。 DeepMind 展示的新的实验生物学能力 AlphaProteo 是一种能够设计出具有三到三百倍亲和力的亚纳米摩尔蛋白结合剂的生成模型。 生物学前沿模型的扩展方面,Meta 发布的 ESM3 是一种前沿多模态生成模型,它在蛋白质序列、结构和功能上进行训练,能够学习预测任何模态组合的完成情况。 此外,在学习路径方面,偏向技术研究方向需要掌握数学基础(如线性代数、概率论、优化理论等)、机器学习基础(监督学习、无监督学习、强化学习等)、深度学习(神经网络、卷积网络、递归网络、注意力机制等)、自然语言处理(语言模型、文本分类、机器翻译等)、计算机视觉(图像分类、目标检测、语义分割等)等,还包括前沿领域如大模型、多模态 AI、自监督学习、小样本学习等以及科研实践。 偏向应用方向则需要具备编程基础(Python、C++等)、机器学习基础(监督学习、无监督学习等)、深度学习框架(TensorFlow、PyTorch 等),了解应用领域(自然语言处理、计算机视觉、推荐系统等)、数据处理(数据采集、清洗、特征工程等)、模型部署(模型优化、模型服务等),并进行行业实践。 AI 技术的发展历程大致为:早期阶段有专家系统、博弈论、机器学习初步理论;知识驱动时期有专家系统、知识表示、自动推理;统计学习时期有机器学习算法(决策树、支持向量机、贝叶斯方法等);深度学习时期有深度神经网络、卷积神经网络、循环神经网络等。 当前 AI 前沿技术点包括: 大模型,如 GPT、PaLM 等。 多模态 AI,如视觉语言模型(CLIP、Stable Diffusion)、多模态融合。 自监督学习,如自监督预训练、对比学习、掩码语言模型等。 小样本学习,如元学习、一次学习、提示学习等。 可解释 AI,包括模型可解释性、因果推理、符号推理等。 机器人学,涉及强化学习、运动规划、人机交互等。 量子 AI,包含量子机器学习、量子神经网络等。 AI 芯片和硬件加速。
2024-10-28
现在AI编程始终不能编写一些比较大的项目
目前 AI 编程在处理较大项目时存在一些限制,主要原因包括: 1. 上下文窗口限制:复杂项目需要全局理解,AI 难以设计架构和模块化。 2. 自然语言描述不精确:项目需求常需反复讨论才能明确,AI 难以完全掌握。 3. 无法感知环境和直接执行:编译、部署、调试等复杂任务 AI 难以独立完成。 4. 幻觉问题:AI 可能编造不存在的 API 或错误代码,需人工严格审查。 在实际应用中,对于一些简单需求,我们可以给 AI 下达明确命令来完成一次性任务,如制作简单的 Chrome 插件、编写脚本或创建 Python 爬虫。但当期待提高,希望从繁琐日常任务中解脱时,需要了解 AI 编程的边界和限制。 在选择解决方案时,应遵循一定的准则: 1. 优先找线上工具,例如制作白底图等功能,若线上有现成工具最好。 2. 其次找插件,基于现有系统找合适的插件。 3. 最后是本地应用,当线上工具和插件都不满足需求时,再考虑本地应用。 对于 API 功能,先找现成的开源工具,GitHub 上有很多。然后考虑付费服务。只有在都找不到现成方案时,才考虑自己编程,且编程时要以终为始,抛开技术障碍,聚焦于目标。
2025-01-25
请综合各种AI产品的信息,预测接下来几年内将会有哪些较大创新或者有较大影响力的AI产品
以下是对未来几年内可能出现的较大创新或有较大影响力的 AI 产品的预测: 1. 一个主权国家可能向美国大型人工智能实验室投资 100 亿美元以上,但需国家安全审查。 2. 没有任何编码能力的人独自创建的应用程序或网站可能迅速走红,例如进入 App Store Top100。 3. 案件审理后,前沿实验室可能对数据收集实践实施有意义的改变。 4. 由于立法者担心权力过度,欧盟人工智能法案的早期实施可能比预期更慢。 5. OpenAI o1 的开源替代品可能在一系列推理基准测试中超越它。 6. 挑战者可能难以对 NVIDIA 的市场地位造成重大打击。 7. 由于公司难以实现产品与市场的契合,对人形机器人的投资水平可能下降。 8. 苹果设备上研究的强劲成果可能加速个人设备上 AI 的发展势头。 9. 人工智能科学家撰写的研究论文可能被大型机器学习会议或研讨会接受。 10. 一款以与 GenAI 元素交互为基础的视频游戏可能取得突破性进展。 此外,还可能有以下情况: 1. 2024 年可能是看到真正的应用将人类从旁边帮助和建议的副驾驶,转变为可以完全将人类排除在外的代理的一年,AI 将更像同事而非工具,在软件工程、客户服务等领域发挥作用。 2. 预计明年会有团队花费超过 10 亿美元来训练单个大型模型,生成式 AI 的热潮将更“奢华”。 3. 政府和大型科技公司将继续承受计算需求的压力,逼近电网极限。 4. 虽然预期的 AI 对选举和就业的影响尚未成真,但仍需警惕。
2024-12-03
请问大家使用过AI工具一次性阅读10个左右的PDF文档/PDF文档链接吗?针对篇幅较大的说明书,哪些工具、以及如何使用工具辅助阅读整理信息效果响应会比较好
目前在 AI 领域,能够一次性阅读 10 个左右 PDF 文档并辅助整理信息的工具包括但不限于: 1. ChatPDF:您可以将多个 PDF 文档上传至该平台,然后通过提问获取文档中的关键信息和总结。 2. Adobe Acrobat Pro:具有强大的文档处理和阅读功能,能帮助您标记、注释和整理文档内容。 使用这些工具时,一般步骤如下: 1. 注册并登录相关工具的账号。 2. 按照工具的指引上传您的 PDF 文档。 3. 输入您想要获取的信息或提出整理要求,等待工具处理并给出结果。 需要注意的是,不同工具的具体操作和效果可能会有所差异,您可以根据自己的需求和文档特点选择合适的工具。
2024-09-25