Flo Health 公开用 Databricks 微调开放模型的方法

Flo Health 公开了其基于 Databricks AI Runtime 的开放模型后训练与评测流程：在无服务器 NVIDIA H100 GPU 上做分布式微调，并用 AI 评委和隐私优先的合成数据，把医疗安全与有用性标准转成训练信号。 具体做法上，Flo Health 的微调使用 32 块 NVIDIA H100 GPU，配合 PyTorch 和 FSDP，通过 LLM Foundry 与 Compose-RL 依次执行 SFT 和 DPO。该团队估计，相比调用前沿模型 API，使用定制微调模型可把推理成本降低一个数量级，同时让 Flo 对模型行为与生命周期有更大控制权。 Flo Health 称，计划把这套流程用于 Gemma、Qwen、Kimi 等更新的开放权重模型，并保留其已开发和验证的医疗安全与有用性标准。

AI 根据报道生成 · 2 天前更新

还没有足够的连续观测数据，暂不绘制趋势。