O caso de uso: como Shell implanta Weights & Biases
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.
Números na fonte
Números publicados no estudo de caso de Weights & Biases. Eles não são medidos de forma independente pelo usedby.
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.
Nas palavras do cliente
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.Outras ferramentas de IA usadas por Shell
Outras relações públicas registradas no usedby.
Explorar a stack de IA de Shell
Usuários de Weights & Biases no setor Energia, utilities e cleantech
Empresas do mesmo setor, com evidências públicas.
Ver todos os clientes de Weights & Biases
Ir direto à fonte
Com base no estudo de caso publicado por Weights & Biases. Verificamos as evidências públicas; os resultados são informados pelo fornecedor.
wandb.ai- Fonte publicada em
- 24 de nov. de 2025
- Última verificação
- 8 de out. de 2026
Abrir a captura da fonte O que o estudo de caso afirma e o que verificamos
O que comparamos com a página.
- O trecho citado acimaVerificado
Copiado palavra por palavra da página, perto do nome de Shell.
- A data de publicaçãoVerificado
Lida nos próprios metadados da página, nunca adivinhada.
- Shell usa Weights & BiasesVerificado
Linha de nível Confirmado.
- O resultado em siNão verificado
Nós o citamos; não o medimos.
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.