Malleja, jotka tuntevat liiketoimintanne ja toimivat siellä, missä datanne on.
Yleismalli ei tunne tuotteitanne, termejänne eikä poikkeuksianne. Onega mukauttaa tekoälyn työhönne kevyimmällä tavalla, joka läpäisee testinne: ensin paremmat ohjeet ja tiedonhaku, hienosäätö silloin, kun näyttö osoittaa sen kannattavan, ja pienempi malli omalla laitteistollanne, kun kustannukset, viive tai data sitä vaativat.
Jokainen porras on edellistä kalliimpi rakentaa ja ylläpitää, joten nousemme ylemmäs vain, kun arviointiaineisto osoittaa, ettei edellinen porras riitä.
01
Ohjeet ja käytännöt
Kehotteet, tulosteskeemat, esimerkit ja suojarajat viritettyinä tapauksiinne. Nopea muuttaa; ei koulutusta.
02
Tiedonhaku
Dokumentteihinne ja tietueisiinne perustuvat vastaukset upotusten, haun ja uudelleenjärjestyksen avulla, lähteet näkyvillä.
03
Hienosäätö
Avoimien painojen mallit mukautettuina hyväksymillänne esimerkeillä parametritehokkailla menetelmillä sävyä, muotoa, luokittelua tai alan kieltä varten.
04
Tislaus
Pienempi malli, joka koulutetaan vastaamaan suurempaa mallia teidän tehtävässänne, jotta se toimii omistamallanne laitteistolla kustannuksin, jotka voitte suunnitella.
02 — Arviointi ensin
Mitään ei julkaista ilman arviointiaineistoa.
Ennen mitään mukauttamista kokoamme arviointiaineiston omista esimerkeistänne. Jokainen vaihtoehto pisteytetään sillä: pohjamalli, viritetyt ohjeet, tiedonhaku ja hienosäädetty malli. Näette pisteet, epäonnistumiset ja kustannukset ennen kuin valitsette.
Testitapaukset todellisista, hyväksytyistä esimerkeistä sekä erillinen testiotos, jota ei käytetä virittämiseen
Pisteytyssäännöt sovitaan työn tekijöiden kanssa
Virheluokat kirjataan eikä niitä häivytetä keskiarvoihin
Pyyntökohtainen hinta ja viive mitataan laitteistollanne
Regressioajot jokaisen malli-, kehote- tai datamuutoksen yhteydessä
03 — Datanne
Koulutusdata teidän hallinnassanne.
Koulutus tapahtuu ympäristössänne tai hyväksymällänne infrastruktuurilla. Dataanne ei lähetetä mallipalveluntarjoajalle koulutusta varten, ellette itse päätä niin.
Dokumentoitu oikeusperuste ja datan omistajan hyväksyntä ennen kuin henkilötietoja käytetään.
Koulutusdatan peittäminen tai pseudonymisointi, kun tehtävä sen sallii.
Jokainen aineisto, pohjamalli ja hienosäädetty malli kirjataan versioineen ja lisensseineen, ja ne listataan OneVeer:n tekoälyn komponenttiluetteloon, kun niitä ajetaan siellä.
Avoimien painojen mallien lisenssit tarkistetaan aiottua käyttöänne vasten ennen koulutuksen alkua.
04 — Mallien ajo ja mukautetut ratkaisut
Mukautettu ja sitten ajettu käytäntöjenne takana.
OneVeer:n ajamana
Laitteistollanne, aliaksen takana.
Hienosäädetty tai tislattu malli paketoidaan GGUF-muotoon, jotta OneVeer voi ajaa sitä CPU:llanne tai GPU:llanne julkaistun aliaksen takana. Sovellukset kutsuvat edelleen aliasta; paluu edelliseen malliin on konfiguraatiomuutos, ei julkaisu.
Onegan tuotteet
Määritetty prosesseihinne.
OneVeer:n käytännöt, aliakset ja suojarajat; OneMailin luokat, reitityssäännöt, mallipohjat ja liittimet; OneDeskin mallipalveluntarjoajat. Jokainen konfiguraatio testataan tapauksianne vasten ennen tuotantoon siirtymistä.
Jo omistamanne ratkaisut
Viritetty ja tuotu yhden käytännön alle.
CRM-järjestelmänne, palvelupisteenne tai dokumenttialustanne tekoälyominaisuudet viritettyinä ja arvioituina tapauksillanne ja, jos ne sen sallivat, reititettyinä OneVeer:n kautta, jolloin käytössä on yksi käytäntö ja yksi kirjausketju.
05 — Miten se etenee
Arviointiaineistosta tuotantokäytössä olevaan malliin.
01
Model Evaluation Sprint · 2–3 viikkoa
Esimerkeistänne koottu arviointiaineisto, lähtötason pisteet ehdokasmalleille ja -menetelmille, data- ja lisenssikatselmointi, suositus ja kiinteähintainen ehdotus.
02
Mukauttaminen · 3–5 viikkoa
Ohjeet, tiedonhaku tai koulutus suosituksen mukaisesti ympäristössänne, pisteytettynä erillisellä testiotoksella.
03
Valvottu ajo · 2–3 viikkoa
Mukautettu malli oikeassa työssä ihmisten tarkistaessa sen tuotokset, mitattuna lähtötasoa vasten.
04
Luovutus
Mallikortti, datakirjaus, arviointitulokset, regressiotestisarja, ajokonfiguraatio ja ajokirja.
06 — Usein kysyttyä
Kysymyksiä, joita data- ja tekoälytiimit kysyvät.
Tarvitsemmeko hienosäätöä?
Usein ei. Monet tehtävät ratkeavat selkeillä ohjeilla, esimerkeillä ja tiedonhaulla. Suosittelemme hienosäätöä, kun arviointiaineisto osoittaa puutteen, jota ne eivät pysty kuromaan umpeen, tai kun pienempi viritetty malli saavuttaa saman tason pienemmin kustannuksin omalla laitteistollanne.
Mitä malleja voitte hienosäätää?
Avoimien painojen malleja, joiden lisenssit sallivat aiotun käyttönne, laitteistoonne sopivina kokoina. Palveluna tarjottuja malleja voidaan mukauttaa, jos palveluntarjoaja tarjoaa siihen mahdollisuuden ja tietokäytäntönne sallii sen. Lisenssi ja sen ehdot kerrotaan kartoituksessa.
Kuinka paljon dataa tarvitsemme?
Se riippuu tehtävästä. Model Evaluation Sprint kertoo, riittävätkö esimerkkinne ja ovatko ne riittävän laadukkaita, ennen kuin maksatte mistään koulutuksesta.
Kuka omistaa hienosäädetyn mallin?
Datallanne koulutettujen painojen omistajuudesta sovitaan toimeksiantosopimuksessa ennen koulutuksen alkua. Lisäksi pohjamallin lisenssiehdot ovat aina voimassa.