AI Runtime

Um agente que propõe, testa e ajusta o próprio experimento de IA sozinho, e o time que criou o ai_parse_document chama isso de autoresearch

O time de pesquisa de IA da própria Databricks usa o AI Runtime como ‘cliente zero’ desde o lançamento, treinando modelo de poucos bilhões até quase um trilhão de parâmetro, e descreve um loop de agente, chamado de autoresearch, que propõe mudança, dispara teste em paralelo, avalia métrica e ajusta o plano sozinho, aumentando em 8 vezes o volume de job de treino rodado.

Flo Health usou 26 juízes de IA para pós-treinar um modelo aberto sem perder segurança médica no processo

A Flo Health construiu um pipeline de pós-treinamento com 26 juízes de IA (12 de segurança médica como barreira obrigatória, 6 de comportamento fino, 8 de utilidade) pra deixar um modelo aberto mais seguro sem sacrificar utilidade, usando Databricks AI Runtime, LLM Foundry e Compose-RL.

TinyFish mede sucesso do agente web pela tarefa completa, não pela resposta isolada do modelo

A TinyFish pós-treina um modelo próprio especializado em tarefa de agente web usando Databricks AI Runtime (SFT indo pra DPO), avalia sucesso via MLflow com juiz de IA olhando o histórico de ação completo do agente, e serve em produção via Model Serving: 294 mil execuções e 6,4 milhões de passos de ferramenta em 15 dias.

GPU chegou ao compute serverless do Databricks com o AI Runtime

AI Runtime traz suporte a GPU pro serverless em preview público, pra tarefas single-node, a promessa é treinar sem gerenciar cluster, mas ainda com pé atrás no treinamento distribuído.