FactSet借助Databricks AI Runtime将模型训练部署压缩至数小时
AI 总结
Databricks 博客发布案例称，FactSet 的 Text-to-Formula（TTF）系统将自然语言请求转换为 FactSet Query Language 公式，此前基于检索增强生成（RAG），随查询复杂化遇到质量上限，于是转向在复合 AI 架构中引入微调开放模型。FactSet 称，早期引入微调模型使端到端延迟降低约 60%，如今团队大约每两到三周微调一次模型；使用 Databricks AI Runtime 的无服务器 GPU 后，搭建、训练和部署定制 TTF 模型的时间从数天缩短到数小时。该流程与 MLflow 及 Lakehouse 治理环境集成，并通过 Lakeflow Jobs 和 Pipelines 构建可复用的微调流水线。
深度见解
它展示了企业如何把定期微调开放模型变成常规发布环节，而不是一次性实验。