AI 实验室通过数千次实验来训练模型，使用不同的权重、超参数和数据切片。当前的源代码管理系统并非为这种工作流程而设计。
创建一个类似 Git 的系统，能够高效地存储模型检查点，跟踪输出的 lineage，并允许模型版本的分支和合并。专注于处理大型二进制文件和元数据。
AI 实验室会为更好的实验跟踪付费，以避免计算成本浪费和研究方向丢失。
从一个能够以最小存储开销快照模型状态的 CLI 开始，然后添加模型 lineage 的可视化。
风险：像 DVC 这样的现有工具可能会首先扩展以覆盖此需求。
AI 模型训练的源代码管理
构建一个优化的版本控制系统，用于跟踪 AI 模型权重和训练数据的变化。面向难以实现可复现性的 AI 研究团队。
为什么是现在
随着 AI 模型越来越大，跟踪它们的演变需要 Git 以外的专用工具。
- 做给谁
- AI 研究团队
- 商业模式
- 团队订阅
- 投入量级
- 几个月