Skräddarsy — Anpassning och finjustering

Modeller som känner din verksamhet och körs där dina data finns.

En generell modell känner inte till dina produkter, dina begrepp eller dina undantag. Onega anpassar AI till ditt arbete på det lättaste sätt som klarar dina tester: bättre instruktioner och hämtning först, finjustering när beläggen visar att det lönar sig, och en mindre modell på din egen hårdvara när kostnad, latens eller data kräver det.

01 — Stegen

Den lättaste metoden som klarar dina tester.

Varje steg kostar mer att bygga och underhålla än det föregående, så vi klättrar bara när utvärderingssetet visar att det föregående steget inte räcker.

  1. 01

    Instruktioner och policy

    Prompter, utdatascheman, exempel och skyddsgränser anpassade till dina fall. Snabba att ändra; ingen träning.

  2. 02

    Hämtning

    Svar förankrade i dina dokument och poster genom embeddings, sökning och omrankning, med källorna synliga.

  3. 03

    Finjustering

    Modeller med öppna vikter som anpassas på dina godkända exempel med parametereffektiva metoder, för ton, format, klassificering eller fackspråk.

  4. 04

    Destillering

    En mindre modell som tränas för att matcha en större på din uppgift, så att den körs på hårdvara som du äger till en kostnad som du kan planera.

02 — Utvärdering först

Ingenting levereras utan ett utvärderingsset.

Före all anpassning bygger vi ett utvärderingsset av dina egna exempel. Varje alternativ poängsätts på det: basmodellen, de justerade instruktionerna, hämtningen och den finjusterade modellen. Du ser poängen, felen och kostnaden innan du väljer.

  • Testfall hämtade från verkliga, godkända exempel, med ett undanhållet testurval som ingen justerar mot
  • Poängsättningsregler som fastställs tillsammans med dem som utför arbetet
  • Felkategorier registreras och försvinner inte i ett medelvärde
  • Kostnad per förfrågan och latens mätta på din hårdvara
  • Regressionskörningar vid varje ändring av modell, prompt eller data

03 — Dina data

Träningsdata under din kontroll.

  • Träningen körs i din miljö eller på infrastruktur som du godkänner. Dina data skickas inte till en modelleverantör för träning, om du inte beslutar att de ska det.
  • En dokumenterad rättslig grund och dataägarens godkännande innan några personuppgifter används.
  • Rensning eller pseudonymisering av träningsdata där uppgiften tillåter det.
  • Varje datamängd, basmodell och finjusterad modell registreras med version och licens, och listas i OneVeers AI-materialförteckning när den körs där.
  • Licenser för öppna vikter kontrolleras mot den användning du avser innan träningen börjar.

04 — Drift och anpassade lösningar

Anpassat och sedan i drift bakom din policy.

Körs i OneVeer

På din hårdvara, bakom ett alias.

En finjusterad eller destillerad modell paketeras som GGUF så att OneVeer kan köra den på din CPU eller GPU bakom ett publicerat alias. Applikationerna fortsätter att anropa aliaset; att återgå till den tidigare modellen är en konfigurationsändring, inte en ny release.

Onegas produkter

Konfigurerade för dina processer.

Policyer, alias och skyddsgränser i OneVeer; kategorier, dirigeringsregler, mallar och kopplingar i OneMail; modelleverantörer i OneDesk. Varje konfiguration testas mot dina fall före driftstart.

Lösningar du redan äger

Justerade och samlade under en policy.

AI-funktioner i ditt CRM, din servicedesk eller din dokumentplattform, justerade och utvärderade på dina fall och, där de tillåter det, dirigerade via OneVeer för en policy och ett granskningsspår.

05 — Så går det till

Från utvärderingsset till en modell i drift.

  1. 01

    Model Evaluation Sprint · 2–3 veckor

    Ett utvärderingsset av dina exempel, baslinjepoäng för kandidatmodeller och metoder, en granskning av data och licenser, en rekommendation och ett förslag till fast pris.

  2. 02

    Anpassa · 3–5 veckor

    Instruktioner, hämtning eller träning enligt rekommendationen, i din miljö, poängsatt på det undanhållna testurvalet.

  3. 03

    Övervakad körning · 2–3 veckor

    Den anpassade modellen på verkligt arbete, där människor granskar dess utdata, mätt mot baslinjen.

  4. 04

    Överlämning

    Modellkort, dataförteckning, utvärderingsresultat, regressionssvit, driftkonfiguration och driftshandbok.

06 — Vanliga frågor

Frågor som data- och AI-team ställer.

Behöver vi finjustering?

Ofta inte. Många uppgifter löses med tydliga instruktioner, exempel och hämtning. Vi rekommenderar finjustering när utvärderingssetet visar en lucka som de inte kan täcka, eller när en mindre, justerad modell når samma nivå till lägre kostnad på din egen hårdvara.

Vilka modeller kan ni finjustera?

Modeller med öppna vikter vars licenser tillåter den användning du avser, i storlekar som passar din hårdvara. Hostade modeller kan anpassas där leverantören erbjuder det och din datapolicy tillåter det. Licensen och dess villkor anges i bedömningen.

Hur mycket data behöver vi?

Det beror på uppgiften. En Model Evaluation Sprint visar om dina exempel räcker, och om de håller tillräckligt god kvalitet, innan du betalar för någon träning.

Vem äger den finjusterade modellen?

Äganderätten till vikter som tränats på dina data avtalas i uppdragsbeskrivningen innan träningen börjar. Basmodellens licensvillkor gäller alltid också.