技术无界,交流无限
支持通用模型、BUMP_AOI 层模型、Active 层模型、metal 层模型、gate层模型。一般建议用户选择基于通用模型建立训练任务训练模型。
支持多个用户同时使用标注功能。同时平台支持创建多个数据集版本,支持用户在不同的数据集版本中进行标注操作,支持操作完成后通过导出两个子数据集版本至其他数据集版本可以实现将两个数据集版本合并到一个新的数据
INF-AI ADC 有内置的模型提供多种缺陷类别。也支持用户自己创建数据集,在数据集中手动创建标签,这种缺陷类别不受限制,缺陷标签的数量不会影响分类的精度,每个类别的数量会影响分类精度,一般每个类别
1.不是出错,不影响结果。 2."×" 是那次工具调入参不对(参数没填对或格式不对),模型会自己调整参数重新调用,直到调通。你看到的是“尝试-失败-重试”的过程,不是最终失败。 3.如果
目前不行。SemiAgent 现在在隔离沙箱里运行,不直接操作本地电脑和浏览器。这个能力在规划中,但要做的活得在安全性和可用性之间平衡。 如果你的场景是“自动从某个系统取数”,通过 API 对
核心结论一致。AI 说话的语序、措辞可能会变,但底层调用的工具和数据逻辑是确定的,所以会出现“文字看着不一样,但结论和数字一致”。你要的是数字层面可复现(报告里的良率、缺陷数),那是稳定的;如果要文字
不会。每人独立账号和独立 workspace,数据隔离互不干扰,配置、对话历史、知识库都是你自己的. 某个工程师做出了好用的分析流,可以发布到应用市场全员共享。所以共享和隔离是两件事:默认隔离
基于国产大模型(Deepseek、Qwen、GLM 这类),不是 GPT/OpenAI。支持对接你们已有的私有模型,不强制绑定我们的。
SemiAgent和 DEG 系统打通,可以调 FT、CP、WAT 这些芯片级测试数据。提问时系统会自动把 DEG 里的测试结果和 YMS 里的良率数据关联起来做跨系统分析。 比如定位某个良率异
通过 API 直接调用 YMS,拉指定产品、批次的 CP 数据,不是人工导出再传。部署在你内网,数据不经过公网。 实时性取决于 YMS 本身的数据更新频率,通常 T+1,今天能看到昨天的数据。如
1.举个实际在跑的:每天早上 8 点自动拉 YMS 里指定产品的 CP 良率,生成一份报告——里面有柏拉图、良率趋势图、异常批次定位,最后排成 PPT 自动推送。 2.比如输入"分析 Produ
不是一回事。普通 AI 助手是“你问它答”,它给你数据,它给你一段分析文字,但拉数据、跑统计、出图、排版这些活还是你自己干。SemiAgent 能自己干活:你说“帮我分析上周 Product ES 的
不微调,使用skill和知识库。微调跟不上模型迭代速度(现在 5-6 个月翻一倍),刚调好底座就过时了。skill和知识库方案让模型学会查半导体手册和经验,即查即用,底座升级不受影响,后台还能同时挂多
模型部署在你们内网,不依赖外部 API,数据不出域。