This story was originally published in Russian only.
Созревшая post-training-инфраструктура упрощает создание внутренних AI-команд
Участники обсуждения считают, что большинству software-компаний не потребуется предварительно обучать собственные модели: вместо этого они смогут адаптировать открытые модели под задачи своей предметной области. Для такой работы, по их словам, нужны специалисты по post-training либо технически сильные универсалы — более широкий кадровый пул, чем команды фундаментальных AI-лабораторий.
Доступность внутренней AI-лаборатории связывают с созреванием модульного стека: Fireworks предоставляет инфраструктуру post-training, LangChain — инструменты оценки, Trajectory помогает с непрерывным обучением, а Merkur — с работой data factory. Благодаря этим компонентам небольшая команда может собрать исследовательский стек, что, по мнению участников, было значительно сложнее несколько лет назад.
В качестве примера приводится Harvey: его исследовательская команда состоит из семи человек, а созданный ею юридический бенчмарк в обсуждении назван передовым. При этом участники оставляют открытым вопрос о том, какого размера и специализации должна быть внутренняя лаборатория конкретной крупной software-компании.