🤖 24 AI
🟡 🤖 Modeli četvrtak, 23. travnja 2026. · 2 min čitanja

Microsoft AutoAdapt: automatska prilagodba LLM-ova za specijalizirane domene u 30 minuta i 4 dolara

Editorial illustration: AI model — modeli

Zašto je bitno

Microsoft Research predstavio je AutoAdapt, framework koji automatizira prilagodbu generalnih jezičnih modela specijaliziranim domenama poput medicine, prava i incident response. Sustav sam bira između RAG-a i fine-tuninga, optimizira hiperparametre i posao završava u približno 30 minuta uz dodatni trošak od oko 4 dolara.

Microsoft Research objavio je AutoAdapt, istraživački framework koji automatizira proces prilagodbe velikih jezičnih modela specijaliziranim domenama. Umjesto tjedana ručnog inženjerskog rada, AutoAdapt posao dovršava u približno 30 minuta uz dodatni trošak od oko 4 dolara po modelu.

Kako AutoAdapt zapravo funkcionira?

AutoAdapt se oslanja na tri ključne komponente. Prva je Adaptation Configuration Graph, struktura koja opisuje sve moguće strategije prilagodbe i njihove parametre. Druga komponenta je agentni planer koji analizira ciljnu domenu i zadatak te bira optimalnu rutu kroz graf.

Treća komponenta je AutoRefine petlja svjesna budžeta — iterativno poboljšava konfiguraciju, ali poštuje unaprijed zadana ograničenja troška i latencije. Kombinacija tih elemenata znači da korisnik ne mora ručno eksperimentirati s hiperparametrima, veličinama prompt konteksta ili arhitekturom retrieval sloja.

Framework samostalno odlučuje hoće li koristiti RAG (retrieval-augmented generation, dohvat dokumenata u kontekst), fine-tuning (prilagodbu težina modela) ili njihovu kombinaciju.

U kojim domenama AutoAdapt pokazuje rezultate?

Microsoft je sustav testirao na više zahtjevnih područja: medicinskim pitanjima i odgovorima, pravnim tekstovima te incident response scenarijima u području kibernetičke sigurnosti. U svim testiranim domenama AutoAdapt je konzistentno poboljšao performanse u usporedbi s generalnim modelom bez prilagodbe.

Rezultati su potvrđeni na standardnim benchmarkovima za rezoniranje, QA zadacima, generiranju koda i specifičnim domenskim testovima. To je značajno jer pokazuje da automatizirana prilagodba ne gubi na kvaliteti u odnosu na ručno podešene sustave.

Zašto je ovo važno za tržište AI rješenja?

Domenska prilagodba do sada je bila skupa — zahtijevala je tim ML inženjera, tjedne eksperimentiranja i značajan compute budžet. Ako se Microsoftovi brojevi od 30 minuta i 4 dolara pokažu ponovljivima u produkcijskim uvjetima, to bi moglo demokratizirati pristup specijaliziranim LLM-ovima.

Posebno relevantno je za manje organizacije u reguliranim sektorima koje trebaju modele prilagođene vlastitim terminologijama i procedurama, ali nemaju kapacitet za dugotrajne ML projekte. Microsoft za sada AutoAdapt prezentira kao istraživački rad, bez najave komercijalne dostupnosti unutar Azure AI platforme.

🤖

Ovaj članak generiran je uz pomoć umjetne inteligencije na temelju primarnih izvora.