語言模型即使不知道也照樣流暢地回答。解法不在模型，而在架構：答案必須由真實存在的段落組成，每個段落都帶著它的出處。
讀者一點就能看到原文。引用不是結尾的小註腳 — 沒有它，答案就不算完成。
技術
我建置的系統
除了應用程式，我也建置並維運幾個在背景運行的系統。本頁說明它們做什麼、用什麼做的。
附出處問答的研究工作，是在元培醫事科技大學的研究設備上進行的，我是該校學生。
會附上出處的問答
- 向量檢索，以 pgvector 存放於 PostgreSQL
- 結果在送入模型前先重新排序
- 每則答案都附上可點擊的來源清單
22,854
已匯入的文件
於 ypurag 主機的 Postgres 直接計數 · 2026-09-11
106,399
已切分並向量化的段落
於 ypurag 主機的 Postgres 直接計數 · 2026-09-11
347
已記錄的提問
ypurag 提問紀錄，2026/08/12 – 2026/09/10 · 2026-09-11
訊息機器人
兩個翻譯機器人運行於 LINE，每天服務真實使用者，在越南文、英文與繁體中文之間互譯。
515
主帳號追蹤人數
MonStudio 官方帳號的 LINE 統計，記錄於維運日誌 · 2026-09-08
1,103次／24 小時
量測日內 LINE 呼叫機器人的次數
Appwrite Cloud 上的 MonStudio 機器人，24 小時內 LINE webhook 呼叫次數 · 伺服器健康檢查報告 · 2026-09-10
0.622秒
每次執行時間的中位數
同一機器人，該 24 小時內所有執行的時間中位數 · 伺服器健康檢查報告 · 2026-09-10
機器翻譯
越南文、英文與台灣繁體中文之間的四向翻譯 API，運行在自行架設的模型上。
模型是依實測數據挑選的，不是依名字：名稱裡帶有 Taiwan 的那個，在三個受測模型中表現最差。
93.3/100
換算為百分制的得分，四個翻譯方向等權重
內部評測：52 個樣本 × 3 個模型，溫度 0，題目於執行前鎖定 · 2026-09-08
0.544秒
回應時間中位數
同一輪評測，52 個樣本的中位數 · 2026-09-08
電腦視覺
在即時影像串流上運行的煙霧偵測模型，調校為可在小型硬體上運行，而不需要大型伺服器。
接收攝影機串流的伺服器已完成，但尚未接上任何建築的實際攝影機，事件紀錄仍是空的。這個專案尚未完成。
109FPS
每格影像的處理時間
單一串流，含前處理，於 RTX 5070 Ti 量測 · 2026-09-11
100%
含煙影像的偵測率
707 張真實攝影機影像測試集：153 張有煙霧、554 張易混淆 · 2026-09-11
0.2%
誤報率
同一組 707 張影像測試集 · 2026-09-11
2.82百萬參數
nano 版模型大小
層融合後的 nano 版本；ONNX 檔 11 MB · 2026-09-11