《超越GPT-4？TAO方法微调Llama模型，FinanceBench表现惊艳》

解锁金融AI新纪元：TAO方法如何让Llama在FinanceBench脱颖而出？

　　 3月27日消息，科技媒体NeoWin于昨日（3月26日）发文指出，数据智能公司Databricks推出了一种新型的大语言模型微调方法——TAO（Test-time Adaptive Optimization）。该方法借助无标注数据与强化学习技术，在大幅削减企业成本的同时，进一步提升了模型的性能表现。

　　 测试显示，经过TAO微调的Llama3.370B模型，在金融文档问答与SQL生成任务中的表现尤为突出，其效果甚至超过了传统的标注微调方式，已接近OpenAI顶级闭源模型的水平。

　　 TAO方法通过测试时计算（test-time compute）自动挖掘任务潜力，同时借助强化学习优化模型，有效降低了人工标注的成本。在三大企业基准测试中，TAO微调的Llama模型取得了显著的成绩。

　　 FinanceBench（7200 道 SEC 文档问答）：TAO 模型得分 85.1，优于标注微调（81.1）和 OpenAI o3-mini（82.2）。

　　 BIRD-SQL：TAO 模型 56.1 分，接近 GPT-4o（58.1），远超标注微调（54.9）。

　　 DB Enterprise Arena：TAO 模型 47.2 分，而 GPT-4o 模型得分为 53.8 分。

　　 TAO技术为开源模型开辟了不断进化的可能性：随着用户的频繁使用，模型能够借助反馈数据实现更高效的自我优化。目前，该技术已开始在Llama模型上进行私测，企业可通过申请表单参与其中。