TAO do Databricks: Superando o ajuste fino com dados não rotulados
2025-03-26
O Databricks apresenta o TAO (Test-time Adaptive Optimization), um novo método de ajuste fino de modelos que requer apenas dados de uso não rotulados. Ao contrário do ajuste fino tradicional, o TAO utiliza computação em tempo de teste e aprendizado por reforço para melhorar o desempenho do modelo com base em exemplos de entrada anteriores. Surpreendentemente, o TAO supera o ajuste fino tradicional, aproximando modelos de código aberto como o Llama à qualidade de modelos proprietários caros como o GPT-4. Essa inovação está disponível em prévia para clientes do Databricks e impulsionará produtos futuros.