(资料图片)

Weights & Biases今天宣布推出一套新的 LLMOps 工具，以支持 Prompt Engineers，释放 LLM 的真正潜力，产生巨大的业务影响。新的工具套件 W&B Prompts 将使机器学习从业者能够快速构建最先进的基于 LLM 的应用程序，并实时智能地迭代提示链，以找到导致关键见解的输入。

GPT-4 和 ChatGPT 的发布引发了对 LLM 及其潜力的大量兴趣和投资，在搜索引擎、NLP、医疗保健、机器人和代码生成等领域的应用是无限的。尽管如此，很少有企业以一种有凝聚力的方式利用法学硕士来解决实际的、有形的问题。LLM 用例很复杂，需要领域专业知识、快速、连续的迭代和大量的计算资源。

开发世界上最复杂的 LLM 的公司——包括 OpenAI、Stability AI 和 Cohere——依赖权重和偏差作为其机器学习工作流程的核心部分。基于支持从头开始创建 LLM 并对其进行微调的现有产品，最新的以 LLM 为中心的增强功能将提高 ML 从业者和提示工程师的生产力和协作。

“Weights & Biases 以帮助世界上最复杂的组织构建大型语言模型而闻名，随着 W&B Prompts 的推出，我们为企业开辟了一种全新的方式来利用 LLM 的潜力，”副总裁 Phil Gurbacki说权重和偏差的产品。“无论您如何使用 LLM，Weights & Biases 的平台都会跟踪活动，为用户提供迭代开发 LLM 和 LLM 支持的应用程序所需的交互式分析。”

W&B Prompts 工具套件扩展了 Weights & Biases 一流的可扩展实验跟踪，并且专门为满足 Prompt 工程师的需求而设计。新功能和增强功能包括：

LLM 调试工具- 跟踪时间线、跟踪表和模型架构扩展了提示工程师的实验跟踪，以轻松查看过去的结果、识别和调试错误、收集有关模型行为的结果，并与同事分享经验

W&B Launch to OpenAI Evals——用于 W&B Launch 评估作业的新集成框架，以及直接从 W&B UI 通过 OpenAI Evals 框架对提示进行评估和评分的简单、一键式方法

W&B 表增强——W&B 表中的用户体验改进旨在为从事 LLM 工作的提示工程师提供更好的分析和可视化支持

W&B Javascript——新的集成允许用户使用本地 Javascript 代码将 LLM 提示直接从他们的 Web 应用程序记录到 Weights & Biases

W&B Prompts 现在可供所有 W