Databricks推出的TAO方法能够在无标注数据的情况下微调大型语言模型（LLMs），其性能超越传统方法。TAO通过测试时计算和强化学习提升模型质量，降低企业成本。实验表明，TAO显著提升了Llama模型在企业任务中的表现，达到了商业模型水平。

大型语言模型快速发展，但现有学术基准无法全面评估其在特定领域的表现。企业需要针对特定任务的评估，以选择合适的模型。我们开发了领域智能基准套件（DIBS），专注于数据提取、工具使用和代理工作流等常见用例。评估结果显示，学术基准与企业任务的表现存在显著差异，强调了领域特定测试的重要性。