FactSet 的 Text-to-Formula 系统将自然语言转换为 FactSet 查询语言，最初依赖 RAG，但复杂查询效果不佳。团队改用微调开源模型，每两到三周重新训练一次。借助 Databricks AI Runtime 的无服务器 GPU，无需配置基础设施，训练部署周期从数天缩短至数小时，并保持数据治理与 MLflow 实验追踪。

FactSet选择Databricks作为其AI框架，通过将AI整合到其平台中，旨在提升客户工作流程和体验。通过利用Databricks Mosaic AI和MLflow，FactSet在数据准备和开发方面提高了效率，实现了更好的治理和血统追踪，并简化了模型服务。FactSet在代码生成和文本转公式等项目中成功实施了Databricks，从而提高了性能和准确性。Databricks的采用使FactSet能够普及先进的AI工作流程，并为不同团队和业务部门提供模型选择的能力。