Запущен инструмент AI для автоматического объединения моделей: ModelMerge от Databricks

Компания Databricks, известная своей платформой для обработки больших данных и машинного обучения, сегодня анонсировала новый открытый инструмент ModelMerge. Он предназначен для автоматического объединения нескольких моделей машинного обучения в единую, более эффективную систему. Инструмент решает проблему фрагментации моделей, которая часто возникает при работе с крупными AI-проектами.

ModelMerge использует технику дистилляции знаний и адаптивного взвешивания, что позволяет сохранить точность исходных моделей. По данным Databricks, в тестах объединённая модель показала улучшение производительности на 15% по сравнению с отдельными компонентами, при этом занимая на 40% меньше памяти. Инструмент поддерживает популярные фреймворки, включая PyTorch и TensorFlow, и может работать как в облаке, так и на локальных серверах.

Эксперты отмечают, что ModelMerge может существенно упростить жизненный цикл AI-разработки, особенно для компаний, использующих множество специализированных моделей. Инструмент уже доступен на GitHub под лицензией Apache 2.0. В Databricks подчеркивают, что это только первый шаг: в будущем планируется добавление функций автоматического подбора архитектуры и распределённого обучения.

«ModelMerge — это ответ на растущую потребность в эффективном управлении моделями, — заявил технический директор Databricks Патрик Венделл. — Мы хотим дать разработчикам инструмент, который не только экономит ресурсы, но и открывает новые возможности для коллективного использования моделей». С момента публикации репозиторий набрал уже более 500 звёзд, что подтверждает высокий интерес сообщества.