AI公司Databricks推出了一种名为TAO的新调优方法，无需标注数据即可提升大型语言模型（LLM）的性能，甚至优于基于标注数据的传统监督微调。TAO通过测试时计算和强化学习算法，利用未标注数据教导模型完成任务，显著降低了企业使用LLM的成本。
TAO在多个企业级任务中展示了卓越性能，不仅超越了需要数千标注样本的传统微调方法，还将开源模型Llama提升至与商业模型GPT-4o/o3-mini相当的水平，且无需任何标注数据。
AI公司Databricks推出了一种名为TAO的新调优方法，无需标注数据即可提升大型语言模型（LLM）的性能，甚至优于基于标注数据的传统监督微调。TAO通过测试时计算和强化学习算法，利用未标注数据教导模型完成任务，显著降低了企业使用LLM的成本。
TAO在多个企业级任务中展示了卓越性能，不仅超越了需要数千标注样本的传统微调方法，还将开源模型Llama提升至与商业模型GPT-4o/o3-mini相当的水平，且无需任何标注数据。
