Cómo usa Shell Weights & Biases
Tal como se publicó en wandb.ai, noviembre de 2025. Capturado por usedby el 8 oct 2026.
Qué pasó
Shell's NLP research team uses Weights & Biases to log experiments, build custom dashboards, run hyperparameter sweeps, and track evaluations and user feedback while adapting large language models to its internal technical reports. The resulting models power a research assistant that acts as an institutional memory for researchers.
Resumen escrito por usedby a partir de la página de origen, en inglés. Las cifras son de Weights & Biases y de Shell, no nuestras.
- 26%“The DAPT + instruction-tuning models led to a 26% increase in accuracy compared to non-fine-tuned Llama models, and a 30% improvement in domain-specific understanding on Shell benchmarks.”
At the core of this scalable infrastructure is Weights & Biases, which plays critical roles in supporting experiment tracking and logging, building custom dashboards for increased visibility into training dynamics, robust hyperparameter optimization, and evaluation and feedback through both W&B Models and W&B Weave.
We built a custom dashboard using Weights & Biases for all our experiment logging, and a lot of critical hyperparameter tuning using W&B Sweeps to explore impact and sensitivity.
Lo que dice la historia, y lo que verificamos
Comparamos la historia con su página en línea el 8 oct 2026.
- El pasaje citado arribaVerificadoCopiado palabra por palabra de la página, cerca del nombre de Shell.
- La fecha de publicaciónVerificadoLeída en los metadatos de la propia página, nunca adivinada.
- Shell usa Weights & BiasesVerificadoLínea de nivel Confirmado. Última verificación entre todas las fuentes: 8 oct 2026.
- El resultado en síNo verificadoLo citamos; no lo medimos.
Más historias
Misma empresa, misma herramienta o mismo sector.
