我用Ling-3.0-flash-VL把学习视频拆成能可动手的实验
作者利用蚂蚁百灵多模态大模型Ling-3.0-flash-VL开发了Course Rebuilder,将B站收藏的《从函数到Transformer架构》网课重构为10个可交互实验,涵盖从函数拟合到Transformer组装的完整因果链。模型能精准解析视频片段,提取讲解概念、画面证据和先修知识,并给出交互改造建议,推理延迟仅1.1-1.3秒。该工具将被动听课转化为主动探索,支持跳转原片和AI助教答疑,显著提升学习吸收率。
作者利用蚂蚁百灵多模态大模型Ling-3.0-flash-VL开发了Course Rebuilder,将B站收藏的《从函数到Transformer架构》网课重构为10个可交互实验,涵盖从函数拟合到Transformer组装的完整因果链。模型能精准解析视频片段,提取讲解概念、画面证据和先修知识,并给出交互改造建议,推理延迟仅1.1-1.3秒。该工具将被动听课转化为主动探索,支持跳转原片和AI助教答疑,显著提升学习吸收率。
作者以装修业务为例,分享将AI接入真实工作流程的实践。测试Ling-3.0-flash-VL视觉模型,用三张概念图和四张匿名案例卡模拟客户咨询,验证模型能否理解空间方向、对接案例资料并守住证据边界。结果显示模型能区分主要方案、不编造信息,但漏掉局部变化,需人工复核。作者强调AI+实战不是让AI替人拍板,而是让真实流程多一个可验证节点,责任仍由人承担。
作者将8份孕期B超报告交给视觉语言模型 Ling-3.0-flash-VL 解读,试图弄清为何医生调整预产期后报告仍显示胎儿“偏小几天”。通过在 Claude Code 终端接入模型 API,模型成功读取图片报告,整理出双顶径、头围等指标的汇总表,并计算出“相当于几周”与按预产期推算的孕周是两种不同数字来源。模型还发现生长曲线工具标注为“双胎”而报告为单胎,显示其对图片的认真核对。最终确认胎儿生长趋势正常,作者焦虑缓解,并整理出更具体的产检提问清单。