产品精选

FactSet 用 Databricks AI Runtime 把模型训练部署周期从数天缩到数小时

精选理由

金融数据公司 FactSet 用 Databricks AI Runtime 微调开源模型做 Text-to-Formula,训练部署从几天压到几小时,还能每两三周重训一次。做垂直领域模型迭代、又不想自己管 GPU 运维的团队可以看看这套 Lakehouse + serverless 方案。

FactSet 与 Databricks 合作,将自定义 AI 模型的搭建、训练和部署时间从数天缩短到数小时。

正文

该团队针对 Text-to-Formula 系统微调开源模型,这个系统的作用是把投资专业人士的自然语言请求转换成 FactSet Query Language。技术上依靠 Databricks AI Runtime 集成到现有 Lakehouse 工作流中的 serverless GPU 算力,免去自行管理基础设施的负担。

借助这套流程,FactSet 现在可以每 2–3 周重新训练一次模型、快速测试新模型版本,把更多精力放在提升模型质量而非运维上。对金融数据服务商这类需要持续迭代垂直领域模型的企业,这是一个可参考的落地路径。

原文 · Databricks

.@FactSet cut the time to set up, train, and deploy custom AI models from days to hours with Databricks AI Runtime.

The team fine-tunes open models for its Text-to-Formula system, which turns investment professionals' natural-language requests into FactSet Query Language.

With serverless GPU compute integrated into existing Lakehouse workflows, FactSet can retrain every 2–3 weeks, test new models, and spend more time improving model quality instead of managing infrastructure.

See how: https://www.databricks.com/blog/how-factset-cut-model-training-and-deployment-days-hours-databricks-ai-runtime?utm_source=twitter&utm_medium=organic-social

产业坐标与信源核验

本条情报归属 AITOP「产品」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Databricks、FactSet、微调、Text-to-Formula,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「Databricks」(@databricks),经 AITOP 多维评分管线结构化提炼。