Como o FactSet reduziu o treinamento e a implantação de modelos de dias para horas com o Databricks AI Runtime
Traduzido do original em inglês por IA. Ver em inglês
O FactSet reduziu o tempo necessário para configurar, treinar e implantar seus modelos Text-to-Formula de dias para horas ao adotar o Databricks AI Runtime. Ao aproveitar a computação GPU serverless diretamente ao lado dos fluxos de trabalho do Lakehouse existentes, a equipe agora pode retreinar continuamente modelos abertos refinados a cada duas ou três semanas para converter consultas em linguagem natural em fórmulas do FactSet Query Language.
* O sistema Text-to-Formula (TTF) do FactSet converte solicitações em linguagem natural de profissionais de investimento em fórmulas do FactSet Query Language (FQL). Após uma abordagem inicial de RAG atingir um teto de qualidade em fórmulas complexas, o FactSet tornou os modelos abertos refinados uma parte central da arquitetura. * A equipe retreina os modelos a cada duas ou três semanas à medida que novos dados ficam disponíveis, tornando a configuração de infraestrutura e a velocidade de implantação partes importantes do ciclo de desenvolvimento. * Com o Databricks AI Runtime, o FactSet pode selecionar computação GPU serverless para cada carga de trabalho e treinar junto com seus fluxos de trabalho Lakehouse existentes, reduzindo o tempo para configurar, treinar e implantar um modelo de dias para horas.