Grok

Aktörer och processer som kopplar ML-artefakt och LLM

Använd denna fil när användaren vill ha namn, organisationer och länkar. Kontrollera länken före leverans om uppgiften är äldre än några månader.

Paraply

Compound AI systems — system med flera interagerande delar (retriever, ML-modell, verktyg, LLM) i stället för en ensam modell.

• BAIR-inlägg: https://bair.berkeley.edu/blog/2024/02/18/compound-ai-systems/
• Survey: https://arxiv.org/abs/2506.04565
• IBM-översikt: https://www.ibm.com/think/topics/compound-ai-systems

Mönster och ramverk

Namn	Vad det kopplar	Länk
RAG	Extern/intern kunskap + generation	https://arxiv.org/abs/2005.11401
HuggingGPT / JARVIS	LLM planerar, HF-modeller kör	https://arxiv.org/abs/2303.17580 · https://github.com/microsoft/JARVIS
DSPy	Deklarativ kedja som optimeras mot mått	https://dspy.ai/ · https://github.com/stanfordnlp/dspy · https://arxiv.org/abs/2310.03714
ReAct / function calling / MCP	LLM anropar kalkyl och API	https://modelcontextprotocol.io/
LangGraph	Explicit graf för verktygssteg	https://www.langchain.com/
LlamaIndex	Dataindex + LLM	https://docs.llamaindex.ai/
Semantic Kernel	Microsofts orkestrering	https://learn.microsoft.com/en-us/semantic-kernel/overview/
Medprompt	Nearest neighbor + LLM + ensembling	sök Microsoft Research Medprompt
AlphaGeometry	LLM föreslår, symbolisk motor bevisar	https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/

Plattformar och register

Aktör	ML-sidan	LLM-sidan	Länk
Databricks	Feature store, Unity Catalog, klassisk träning	MLflow 3, Agent Bricks, AI Gateway	https://www.databricks.com/product/artificial-intelligence
MLflow (öppen källkod)	Experiment, model registry	Tracing, prompt registry, LLM-as-judge	https://mlflow.org/ · https://www.databricks.com/blog/mlflow-30-unified-ai-experimentation-observability-and-governance
Hugging Face	Hub för modeller, dataset, Spaces	Inference, agents, community-RAG	https://huggingface.co/
JFrog	Artifactory som ML-register, Xray-skanning	Konsumeras av appar/agenter som hämtar godkänd version	https://jfrog.com/ml-model-management/ · https://huggingface.co/blog/jfrog
Azure Databricks	MLOps Stacks	LLMOps-guide	https://learn.microsoft.com/en-us/azure/databricks/machine-learning/mlops/llmops
Google Vertex + BigQuery ML	Tabell-ML och prognos	Gemini ovanpå låsta prediktioner	https://cloud.google.com/vertex-ai
Amazon SageMaker + Bedrock	Träning och registry	Foundation models	https://aws.amazon.com/sagemaker/
IBM watsonx	Governance över modeller	Generativ lager med samma kontroll	https://www.ibm.com/watsonx

Processnamn att använda i svar

• MLOps — versionera data, modell och kod; registrera; övervaka drift.
• LLMOps — samma kedja plus promptversion, tracing och kvalitetsdomare.
• Model registry — en sanning för vilken artefakt som får anropas.
• Curation / proxy — publik Hub → intern kopia (Artifactory-mönstret).
• Predict-then-explain — tal först, prosa sedan.
• Retrieve-then-write — källa först, generation sedan.
• Route-to-specialist — LLM dirigerar, specialistmodell utför.

Controller-översättning

Process	Tal	Text
Tertial bad 3130	Säsongsmodell eller låst kalkyl	LLM skriver varför T1 inte är linjärt underskott
Kontering / investering-drift	Klassificerare + RKR-regler	LLM förklarar förslaget, godkänner inte själv
Museum egenfinansiering	Två kvotdefinitioner i kalkyl	LLM skriver politikerpunkt utifrån låsta procent
Kassaavvikelse BRP	Anomalimodell på dagrader	LLM sammanfattar flaggade dagar

Relaterade interna sidor

• Grok-repo-spegel: https://github.com/kentlundgren/Grok/tree/main/ML_LLM
• RAG i AI-teknik: https://kentlundgren.github.io/AI-teknik/RAG/