3月26日，科技媒体NeoWin报道，数据智能公司Databricks推出大语言模型微调新方法TAO（Test-time Adaptive Optimization）。该方法通过无标注数据和强化学习技术，在降低成本的同时提升模型性能。测试表明，经TAO微调后的Llama 3.3 70B模型，在金融文档问答和SQL生成任务中的表现甚至超越传统标注微调方式，并接近OpenAI顶级闭源模型。在三大企业基准测试中，TAO微调的Llama模型表现优异：FinanceBench（7200道SEC文档问答）得分85.1，优于标注微调（81.1）和GPT-4o（82.2）；BIRD-SQL测试中得分56.1，接近GPT-4o（58.1）；DB Enterprise Arena测试中得47.2分，GPT-4o得53.8分。TAO技术利用测试时计算自动优化模型，无需人工标注，且随着使用量增加，模型可进一步自我优化。目前，该技术已在Llama模型上开启私测，企业可申请参与。