企业什么时候值得训练自己的模型？Yash Patil 先看评估、规模和数据

导读

企业担心依赖单一模型供应商，但训练自己的模型并不总是下一步。Applied Compute 的 Yash Patil 建议先完善提示、上下文、工具和运行框架，再看任务规模、独特数据和评估能力是否足以支撑后训练。高频任务可能通过训练小模型降低单位成本；真实专家判断或实验反馈足够独特时，也可能提升特定领域的能力。与 Harvey 合作时，律师提供评分标准和答案，团队围绕现有检索流程训练和测试模型；Harvey 报告定制模型在其文档审阅测试中取得较高分数，同时降低单元格成本。Yash 强调，强化学习会优化给定奖励，却未必理解业务真正需要什么；评估可能被钻空子，某个任务上的提升也不保证迁移到其他领域。训练、推理和专家投入都要放进同一笔账。