數據智能公司Databricks近日推出新型大語言模型微調方法TAO(Test-time Adaptive Optimization)，通過無標注數據和強化學習技術，顯著降低企業成本的同時提升模型性能。測試顯示，在金融文檔問答和SQL生成任務中，經TAO微調的Llama 3.3 70B模型表現優異，甚至超越傳統標注微調方法，接近OpenAI頂級閉源模型水平。

　　TAO利用測試時計算自動探索任務可能性，結合強化學習優化模型，省去人工標注成本。在三大企業基準測試中，TAO微調的Llama模型表現亮眼：在FinanceBench(SEC文檔問答)得分85.1，優于標注微調和OpenAI o3-mini;在BIRD-SQL測試中接近GPT-4o水平;在DB Enterprise Arena測試中表現亦不俗。

　　目前，TAO技術已在Llama模型上啟動私測，企業可通過申請表單參與。這一技術為開源模型提供了持續優化的新路徑。