L’éditeur de solutions de supervision des environnement nativement Cloud dévoile les premiers résultats de son laboratoire de recherche.
Les premiers lancements de Datadog AI Research sont Toto et BOOM. Toto est le premier modèle de fondation open source axé sur l'observabilité. Les modèles de fondation de séries temporelles (TSFM) sont ce que les LLM sont au langage. Il s'agit d'un type de modèle d'IA, entraîné sur des ensembles massifs de données, qui peut être adapté à un large éventail de tâches en aval. Ces modèles de fondations apprennent de schémas généraux et peuvent être affinés pour diverses applications.
Toto est un modèle open-weight entraîné avec des données d'observabilité provenant exclusivement des métriques de télémétrie internes de Datadog, ce qui permet d'atteindre des performances de pointe bien supérieures à tous les autres TSFM existants. Sa prévision zero-shot permet une détection instantanée des anomalies et une planification de la capacité sans réglage spécifique par série, ce qui est essentiel lors du monitoring de milliards de séries temporelles éphémères. Alors que les TSFM existants ont du mal à traiter les données de télémétrie, Toto améliore les performances, non seulement pour les données d'observabilité, mais aussi pour les prévisions de séries temporelles de manière plus générale. Il est disponible gratuitement.
BOOM introduit un benchmark de séries temporelles se concentrant spécifiquement sur les métriques d'observabilité, qui comportent leurs propres caractéristiques et exigences uniques par rapport à d'autres séries temporelles typiques. Il devient dès à présent le plus grand benchmark public de métriques d'observabilité, fournissant 350 millions d'observations à travers 2 807 séries multivariées du monde réel pour capturer les problèmes d'échelle, d’éparpillement, de pics et de démarrage à froid propres à la télémétrie de production. BOOM est une ressource activement maintenue pour la communauté et permettra aux chercheurs de faire progresser leurs modèles de prévision.
