Több mint egymilliárd kísérletet követtek a Weights & Biases rendszerében

Egy San Franciscó-i karateklubból indult

A Weights & Biases 2017-ben indult azzal a céllal, hogy gépi tanulással foglalkozó szakemberek számára készítsen eszközöket. Első termékük egy kísérletkövető rendszer volt, amelyet egy San Franciscó-i karateklubban építettek. A megoldást gyorsan használni kezdték olyan csapatok, mint az OpenAI, a Toyota Research és az Uber. Ezek a szervezetek a TensorBoardot vagy saját, belső megoldásaikat váltották ki vele.

A CoreWeave október 20-i közleménye szerint a Weights & Biases rendszerében mostanra több mint egymilliárd futást követtek nyomon. A vállalat megköszönte minden felhasználó támogatását, az első számítógépes látási modellt készítő hallgatóktól a legújabb alapmodellen dolgozó kutatókig.

A vállalat a következő nagyságrendre készül

A CoreWeave szerint egyetlen, alapmodell-méretű projekt ma akár több százezer kísérletet is naplózhat egy év alatt. A vállalat arra számít, hogy a kísérletek száma tovább növekszik, ahogy a laborok saját képzési folyamataikban is egyre szélesebb körben alkalmazzák az AI-t.

A vállalat nemrég bemutatta a CoreWeave ARIA rendszert, amelynek neve az AI Research and Iteration Agent rövidítése. Az ARIA a Weights & Biasesben működik, és segíthet a kísérletek elemzésében, hipotézisek létrehozásában, új futások indításában, valamint az eredmények értékelésében. A CoreWeave ezt az AI-kutatási ciklus automatizálását támogató eszközként írja le.

A közlemény szerint az AI-modellek fejlesztésében ma már nem kizárólag gépi tanulási kutatók vesznek részt. Mérnökök ügynököket készítenek és szállítanak, szakterületi szakértők ellenőrzik a kimeneteket, a belső csapatok pedig továbbfejlesztik és karbantartják ezeket a rendszereket. Emiatt a fejlesztési folyamat követéséhez, értékeléséhez és teljesítményének fenntartásához többféle szerepkör eszközeire van szükség.

A felhasználási példák a robotikától az oktatásig terjednek

A CoreWeave több ügyfél példáján keresztül mutatta be, mire használják a Weights & Biases termékeit. A Decart az Oasis 3 fejlesztése során a kísérletek követését, a hiperparaméterek optimalizálását, az adathalmazok és modellek verziókezelését, valamint az eredetkövetést a W&B Models segítségével központosította. A vállalat szerint az Oasis 3 a fizikai AI-hoz készült első, API-n keresztül elérhető világmodell.

A Pinterest a Weights & Biasesre építve egységesítette a gépi tanulási fejlesztést a szervezetén belül. Az MLEnv keretrendszerbe integrált rendszerrel több száz gépi tanulási mérnök követheti a kísérleteket, verziózhatja a modellhez tartozó elemeket, kezelheti a hibákat tűrő tanítási ellenőrzőpontokat, és gyorsíthatja a fejlesztést havonta több százezer tanítási feladat során.

A Scaled Cognition szabályozott iparágak, köztük a bankszektor és az egészségügy számára fejleszt nagy megbízhatóságú nagy nyelvi modelleket. A cég a Weights & Biases segítségével követi a kísérleteket, figyeli az élő rendszereket és reprodukálható futási előzményeket készít. A CoreWeave állítása szerint modelljeik vállalati ügyfélszolgálati feladatokban 114 százalékkal magasabb pontosságot érnek el a vezető, általános célú nagy nyelvi modelleknél.

A MasterClass a W&B Weave segítségével értékeli és javítja személyre szabott oktatást és valós idejű visszajelzést nyújtó AI-ügynökeit. A rendszer teljes beszélgetéseket követ, figyeli az éles működést, és jelzések, illetve egyedi megfigyelők segítségével értékeli a tanulói interakciókat.

A CoreWeave egységes platformban gondolkodik

A vállalat szerint a CoreWeave-hez való csatlakozás lehetővé teszi, hogy a Weights & Biases eszközei és az azokra épülő infrastruktúra egyetlen rendszerként működjön. Ebbe beletartozik a tanítás és a következtetés, a kísérletek követése és értékelése, a megfigyelhetőség és a visszajelzés, egészen a hardverig.

A CoreWeave közleménye szerint az egymilliárd futás mérföldkő, de a fejlesztés folytatódik. A vállalat a Fully Connected 2026 eseményen, szeptember 29. és október 1. között, a San Franciscó-i Moscone South helyszínén mutatja be a Weights & Biases újításait az AI-modellek és ügynökök fejlesztéséhez.