Model connectivity & development（模型接入与开发）总览

在 Palantir 平台中，模型（models）是封装任意机器学习逻辑的产物。模型可以在数据流水线、Ontology、应用层等各层工作流中被使用，从而支撑各种各样的用例。

Palantir 采用开放的方式支持模型集成。模型既可以在平台内基于已集成的数据进行开发，也可以在外部开发后作为库、产物、容器或 API 导入平台。

一旦集成，模型即可配合平台的工具用于推理、部署、治理、ML Ops 和运营化。模型创建与使用的每一步都受到平台在血缘、安全、版本管理、可复现性和审计方面的保障约束。

任何形态的模型都可以在平台内开发（例如通过 scikit-learn、TensorFlow、OR-tools 等开源工具，或自定义库），从外部环境导入（例如 Notebook、第三方数据科学产品或容器镜像仓库），或配置为外部托管的 API。

进一步了解平台内的模型开发以及外部模型的集成。

Modeling Objectives 充当「指挥中心」，用于精简某一问题下的模型管理、评估、评审、发布与部署。除了一套便捷的用户界面之外，Modeling Objectives 还提供治理与权限层、自动化层（例如对模型候选者的统一评估）以及 CI/CD 层，支持模型持续、无停机的部署。

Objectives 支持面向任何建模问题的完整模型生命周期，包括那些传统上不被 ML Ops 工具覆盖的问题，例如仿真与优化。

借助 Objectives，组织可以超越「建一条数据流水线」本身，将模型安全地以运营形态部署给做决策的用户和系统。一旦投入运营，Foundry 能够从生产数据、结果、应用和用户操作中形成 ML 反馈回路。这些反馈回路为建模团队提供了强大的数据资产，用于监控、理解和改进生产表现，并适应新情况。

进一步了解 Modeling Objectives。

Ontology 是 Palantir 平台的运营层。Ontology 将数字资产与其现实世界中的对应物连接起来，以支撑各类不同的用例。

模型一旦集成进平台，即可通过 Modeling Objectives 部署，并注册为可在 Ontology 层中使用。这让运营型交互工作流能够由高可信的模型支撑，从而驱动快速、关键的业务决策。

进一步了解 Ontology以及如何将模型与其集成。