Databricks
·
使用Mosaic AI模型服务对微调的Llama模型进行批量推理
💡
原文英文，约1400词，阅读约需5分钟。
📝
内容提要
构建可扩展的生成式AI解决方案需要可靠的LLM端点。Databricks提供支持多种Llama模型的Provisioned Throughput端点，NVIDIA的Nemotron 70B模型在基准测试中表现优异。用户可通过Databricks托管模型，创建批量推理管道，生成新闻摘要，并利用MLflow评估摘要质量，确保内容高质量发布。
🎯
关键要点
- 构建可扩展的生成式AI解决方案需要可靠的LLM端点。
- Databricks提供支持多种Llama模型的Provisioned Throughput端点。
- NVIDIA的Nemotron 70B模型在基准测试中表现优异。
- 用户可以通过Databricks托管模型，创建批量推理管道。
- 生成新闻摘要并利用MLflow评估摘要质量，确保内容高质量发布。
- 创建Provisioned Throughput端点需要将模型注册到MLflow。
- 使用Databricks Volumes可以自动扩展存储空间。
- ai_query功能简化了批量推理的复杂性，支持并行处理。
- MLflow.evaluate()功能简化了LLM性能评估，支持自定义评估指标。
- 评估结果可以记录在实验运行中，并写入Unity Catalog以便后续查询。
❓
延伸问答
如何在Databricks上创建Provisioned Throughput端点？
在Databricks上创建Provisioned Throughput端点需要先将模型注册到MLflow，然后通过UI或REST API创建端点，选择模型并设置所需的吞吐量带宽。
Mosaic AI模型服务如何支持批量推理？
Mosaic AI模型服务通过ai_query功能简化批量推理，支持并行处理，用户只需构建SQL查询即可轻松运行批量推理。
如何评估生成的新闻摘要质量？
可以使用MLflow的mlflow.evaluate()功能来评估生成的新闻摘要质量，定义自定义指标并过滤低质量摘要进行人工审核。
Databricks Volumes在模型注册中有什么作用？
Databricks Volumes可以自动扩展存储空间，适用于下载大模型如Nemotron-70B，确保有足够的空间进行模型注册。
NVIDIA的Nemotron 70B模型在基准测试中的表现如何？
NVIDIA的Nemotron 70B模型在多种基准测试中表现优异，是Llama 3.1的微调变体，适合用于生成新闻摘要。
如何使用ai_query进行批量推理？
使用ai_query时，构建SQL查询，将Provisioned Throughput端点名称作为第一个参数，第二个参数为要应用的提示和列的连接。
➡️
