Microsoft AutoAdapt：30分钟4美元自动将LLM适配至专业领域

Microsoft Research发布了AutoAdapt，这是一个将大型语言模型适配到专业领域的自动化研究框架。相比数周的手动工程工作，AutoAdapt在约30分钟内完成任务，每个模型额外成本约4美元。

AutoAdapt实际上是如何工作的？

AutoAdapt依赖三个关键组件。第一个是适配配置图，描述所有可能的适配策略及其参数的结构。第二个组件是智能体规划器，分析目标领域和任务，选择通过图的最优路径。

第三个组件是预算感知的AutoRefine循环——迭代地改进配置，同时遵守预先定义的成本和延迟限制。这些元素的结合意味着用户不需要手动实验超参数、提示上下文大小或检索层架构。

该框架独立决定是否使用RAG（检索增强生成，将文档检索到上下文中）、微调（调整模型权重）或两者的组合。

AutoAdapt在哪些领域展示了成果？

微软在多个具有挑战性的领域测试了该系统：医学问答、法律文本以及网络安全领域的事件响应场景。在所有测试领域，AutoAdapt相比未经适配的通用模型一致地提高了性能。

结果在标准推理基准测试、问答任务、代码生成和特定领域测试上得到确认。这很重要，因为它表明自动化适配在质量上并不逊于手动调优的系统。

为什么这对AI解决方案市场很重要？

领域适配此前一直是高成本的——需要一个ML工程师团队、数周的实验和大量的计算预算。如果微软30分钟和4美元的数据在生产条件下可重复，这可能使专业LLM的访问民主化。

对于受监管行业中需要适配到自身术语和程序模型的较小组织尤其相关，这些组织没有能力进行长期ML项目。微软目前将AutoAdapt作为研究成果呈现，尚未宣布在Azure AI平台内商业化发布。