机器学习的血统追踪对构建可靠的ML系统至关重要。本文介绍了如何在无服务器的AWS Lambda上集成全面的ML血统解决方案，包括数据处理、模型调优和风险评估。通过使用DVC、AWS S3和Evently AI等工具，确保数据和模型版本的可追溯性与合规性。

我们提出了一种新方法，称为测试时自适应优化（TAO），该方法利用未标记数据和强化学习，在测试阶段提升大型语言模型的性能。TAO在文档问答和SQL生成等企业任务中优于传统微调，使开源模型Llama接近昂贵的专有模型质量。通过生成响应、评分和强化学习，TAO实现高效调优，降低推理成本。