平台 / 自学习 AI
随业务一同成长的 AI。
静态 AI 在上线当天就定型了。自学习 AI 把团队的每次修正都当作信号，把每个新版本都当作必须被证明的假设。
01 /改变了什么
区别在于是什么让系统发生改变。
系统
它做什么
何时改进
传统软件
执行预定义的工作流。
当工程师发布新版本时。
传统 AI
回答问题、起草内容。
当供应商更新模型时。
自学习 AI
真正干活，并从员工的修正中学习。
当候选版本在你自己的用例上证明更好时。
02 /机制
运行。审核。评估。晋级。
与驱动 Unify SelfAI 的闭环相同。观察只有经过评估才能变成学习，而评估只有决定了什么能上线才有意义。
01
运行
当前版本在你的工作流中执行实际工作。
02
审核
人们修正它出错的地方，修正成为学习信号。
03
评估
候选版本会在留出测试用例上接受测试。
04
晋级
只有胜过当前版本才会上线，每次改动都可撤回。
03 /全栈交付
自学习 AI 需要底下的每一层支撑。
能从业务中学习的模型，必须部署在数据所在之处、用这些数据训练，并在你自有的模型上持续改进。FelixSphere 交付的是完整系统，而不是其中某一块。
部署
自托管或私有部署
在你自己的环境中运行，置于 Unify Gateway 之后。客户数据始终由你掌控。
训练
你自有的模型
在无需自有的算力上，用你的数据微调和训练模型。
数据
让你的数据变得可用
历史记录、专家生成的样本和采集到的修正，均附来源信息。
模型
随取随用的基础模型
通过 Unify API 从 300+ 模型中选用、比较和路由。
评估
以证据为关卡
每个新版本都要先在留出用例上评分，才能替换当前版本。
运营
与你共同运营
FelixSphere 与你的团队一起部署、监控和改进系统。
04 /原则
可检查的改进。
01
修正即信号
同样的修改不应做第二次。每次修正都会被记录为学习样本。
02
留出评估
候选版本在从未见过的样本上、按事先确定的评分标准打分。
03
晋级要凭实力
新版本只有胜出才会替换当前版本。不设人工越权。
04
每次改动都可撤回
每个版本都有记录，可一键回滚。
05
你的数据，你的模型
自带模型密钥，或通过 Unify API 路由，并配置数据留存和区域管控。
06
从小处起步，随你成长
从一个团队、一个工作流开始，随着证据积累再扩展到更多团队。