Lompat ke konten
Intura
enid
Model AI Kecil untuk Enterprise: Pelatihan Kustom dan Integrasi / Model kustom
Kembangkan

Model privat, dilatih pada konteks yang hanya dimiliki perusahaan Anda.

Serahkan keputusannya kepada kami. Kami melatih model dengan label Anda, memampatkannya sampai berjalan di CPU, men-deploy-nya di tempat data Anda sudah berada, dan membangun pipeline yang menjaganya tetap mutakhir. Lalu kami menyerahkannya sebagai sesuatu yang dimiliki dan bisa dijalankan tim Anda tanpa kami.

Masalahnya

Masalah yang diselesaikan

Katalog hanya bisa mencakup hal yang bentuknya sama di mana-mana. Keputusan yang benar-benar menentukan apakah sistem Anda bekerja berjalan di atas kategori yang dibuat tim operasi Anda, kebijakan yang hanya ditulis fungsi risiko Anda, campuran bahasa yang tidak ada di korpus publik mana pun, dan bertahun-tahun riwayat kasus Anda sendiri. Model umum yang diberi prompt berisi kebijakan Anda akan mendekati, dan berhenti di situ; model yang dilatih pada konteks itu mempelajarinya. Dan model yang tidak pernah dilatih ulang akan melapuk menghadapi orang-orang yang seharusnya ia hentikan, yang mengubah caranya setiap minggu.

Untuk siapa

Untuk siapa

  • Tim risiko, fraud, dan trust-and-safety yang punya taksonomi dan riwayat kasus sendiri

  • Tim operasional yang mengklasifikasi, mengarahkan, atau mengekstrak dari dokumen dan pesan dalam volume besar

  • Perusahaan yang melayani bahasa Indonesia, Inggris, atau campuran keduanya, di mana model umum menangani bahasanya dengan buruk

  • Tim yang datanya tidak boleh keluar dari perimeter, baik untuk pelatihan maupun serving

Yang kami kerjakan

Yang kami kerjakan

  1. 1

    Rumuskan keputusannya

    Kategori, rumusan kebijakan, dan aturan eskalasi Anda, dituliskan sebagai label yang akan dipelajari model, dengan tim Anda menyepakati di mana setiap batasnya.

  2. 2

    Bangun dataset-nya

    Ingestion, pembersihan, dan pelabelan di atas kasus Anda sendiri, berversi, dengan pemeriksaan keseimbangan kelas dan kualitas. Jika kebijakan Anda mengharuskan, semua ini berlangsung di dalam lingkungan Anda.

  3. 3

    Pilih modelnya

    Machine learning klasik, small language model, atau LLM yang di-fine-tune, dipilih sesuai keputusannya, bukan sesuai brosur. Model terkecil yang mampu menjalankan tugasnya sering kali jawaban yang tepat.

  4. 4

    Latih dan pampatkan

    Dilatih dengan label Anda, lalu dipampatkan: kosakata dipangkas ke bahasa yang Anda layani, kuantisasi INT8, dan model diperiksa ulang terhadap set evaluasi Anda setelah setiap langkah supaya kecil tidak diam-diam berarti lebih buruk.

  5. 5

    Deploy dan jaga tetap mutakhir

    Di-deploy di VPC Anda, on-premise, air-gapped, atau di perangkat, dengan pemantauan drift dan jalur retraining yang merilis versi baru sebagai pertukaran file, bukan build ulang.

Yang Anda terima

Yang Anda terima

  • Modelnya, milik Anda, beserta set evaluasi yang dipakai untuk memeriksanya
  • Artefak kecil, terkuantisasi dan ter-benchmark, yang berjalan di tempat yang Anda butuhkan
  • Dataset, panduan pelabelan, serta pipeline pelatihan dan evaluasinya
  • Deployment di lingkungan pilihan Anda, lengkap dengan runbook
  • Jalur retraining yang bisa dijalankan tim Anda tanpa kami

Cara berjalannya

Bagaimana kerja sama berjalan

Model kustom biasanya memakan waktu lebih lama daripada integrasi, dan sebagian besar waktunya habis untuk data, bukan untuk pelatihan: menyepakati label dan mengumpulkan cukup banyak kasus yang terlabel dengan baik. Proposal setelah panggilan pertama menyebutkan jadwal untuk kasus Anda dan apa yang kami butuhkan dari tim Anda agar jadwal itu terpenuhi.

  1. 01

    Panggilan pertama

    Ceritakan apa yang harus diputuskan model itu. Anda bertemu engineer, bukan skrip kualifikasi.

  2. 02

    Pelingkupan dan tinjauan data

    Kami melihat sampel data dan kebijakan Anda, lalu menuliskan label, baseline yang harus dikalahkan, dan lingkungannya.

  3. 03

    Dataset, pelatihan, dan pemampatan

    Dibangun bertahap, dengan tinjauan atas kesalahan model pada kasus Anda sendiri di setiap tahap.

  4. 04

    Deployment dan serah terima

    Dipasang di tempat ia akan berjalan, di-benchmark di perangkat keras itu, diserahkan bersama pipeline dan runbook-nya.

FAQ

Pertanyaan umum

Apakah perlu GPU untuk melatih model kustom?

Tidak perlu GPU milik Anda. Pelatihan adalah bagian kami dalam kerja sama ini; model yang Anda jalankan setelahnya hanya butuh CPU, seperti semua model lain di situs ini. Jika kebijakan Anda mengharuskan pelatihan berlangsung di lingkungan Anda sendiri, sampaikan sejak awal. Itu kebutuhan yang wajar dan kami melingkupinya.

Bisakah Anda membangun model yang cukup kecil untuk berjalan di edge?

Itulah spesialisasi kami. Setiap model di situs ini sengaja dibuat kecil: kosakata dipangkas ke bahasa yang dilayani, layer dipotong, graph dikuantisasi ke INT8, dan model diperiksa ulang setelah setiap langkah, bukan diasumsikan baik-baik saja. Kami melakukan hal yang sama untuk model kustom, dan memberi tahu Anda apa harga dari setiap langkah pemampatan.

Siapa pemilik model dan datanya?

Anda. Model, dataset, label, dan pipeline-nya diserahkan kepada Anda, dan tidak satu pun berupa lisensi yang harus terus Anda bayar.

Bahasa Indonesia, Inggris, atau keduanya?

Salah satu atau keduanya. Seperti di katalog, setiap bahasa biasanya dibuat sebagai build tersendiri dengan kosakata yang dipangkas untuknya, jadi layanan dwibahasa mendapat dua model kecil dan satu langkah yang mengirim setiap pesan ke model yang tepat.

Lihat apa yang dipublikasikan halaman model

Setiap model katalog menampilkan base model, data latihnya, dan contoh hasil nyata. Model kustom datang dengan dokumentasi yang sama.

Lihat model

Layanan Enterprise lainnya

Hubungi kami

Ceritakan apa yang Anda butuhkan

Jelaskan masalahnya, timnya, dan di mana ia harus berjalan. Engineer membaca setiap pertanyaan dan membalas lewat email.

Di panggilan pertama Anda bertemu engineer, bukan skrip kualifikasi.