Flo Health 采用了一种新颖的方法来微调开源 AI 模型，以增强医疗安全性和实用性，并利用了 Databricks AI Runtime。通过创建一个专门的评估框架并使用注重隐私的合成数据来训练 AI 裁判，Flo 将其 AI 的医疗安全性从 34% 提高到 61%，实用性从 42% 提高到 76%。与使用前沿模型 API 相比，这种方法使 Flo 能够控制模型行为并降低推理成本，这对于其 8100 万月活跃用户至关重要。 AI
影响 增强了健康应用的 AI 模型安全性和实用性，可能降低庞大用户群的推理成本。
排序理由 文章详细介绍了某公司如何使用特定平台（Databricks AI Runtime）来改进其 AI 模型，而不是发布新模型或研究。
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
