← Каталог

· AI Engineer World's Fair 2026

Хватит арендовать интеллект: цикл обучения и внедрения специализированного ИИ

Stop Renting Intelligence: The Train-to-Deploy Loop for Specialized AI — Fireworks AI

Разрыв в качестве между открытыми и закрытыми моделями закрывается дообучением на данных продукта и фидбеке в непрерывном цикле.

  • Цифры кейсов — по словам спикера, Cursor получил 13-кратное ускорение inference, Vercel — 40-кратное снижение задержки, Genspark — прирост качества на 12% после RFT.
  • Kernels под нагрузку — FireAttention пишет CUDA kernels под конкретный workload, а draft-модели для speculative decoding можно обучать на своих данных.
  • Три уровня обучения — training agent подбирает модель и гиперпараметры, managed training ведётся через UI или API, Training API даёт собственные loss-функции; на момент доклада training agent RFT не поддерживал.
  • Замкнутый цикл деплоя — мониторинг, сбор фидбека, переобучение с текущего checkpoint и hot loading весов без простоя; обучение и inference идут на одной платформе, чтобы не терять качество на численных расхождениях. Все эти функции есть в платформе Fireworks AI, так что доклад во многом презентация продукта.

Кому полезно: командам, которые переводят продуктовые фичи с закрытых API на открытые модели и хотят дообучать их на своих данных.

Статья по теме

Главы

Похожие доклады