Jueves 15 de octubre de 2026 ·

Cómo FactSet redujo de días a horas el entrenamiento y despliegue de modelos con Databricks AI Runtime

Relevancia 38 de 100 Estados Unidos, Connecticut

Útil para Programadores 50%

FactSet usa su sistema Text-to-Formula para convertir peticiones en lenguaje natural de profesionales de inversión en fórmulas FQL. Al principio se basaba en recuperación de ejemplos (RAG), pero llegó a un techo de calidad y pasó a incorporar modelos abiertos afinados, que redujeron la latencia de extremo a extremo en unos 60%. Hoy el equipo afina los modelos cada dos o tres semanas, por lo que preparar el entorno y la GPU en cada ciclo se vuelve un costo recurrente.

Qué significa

Los equipos que reentrenan modelos cada pocas semanas pagan en cada ciclo el tiempo de preparar entornos y GPU. Este caso muestra cómo reducir ese costo.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del jueves 15 de octubre de 2026 ->