AIポストトレーニングスタートアップBespoke Labsが4000万ドルを調達

Bespoke Labs Inc.は、AIプロジェクトのポストトレーニングフェーズを効率化するスタートアップで、4000万ドルの資金調達を発表した。同社によると、資金は2回に分けて提供された。Bespoke LabsはWing VCが主導するシリーズAラウンドで大部分（3175万ドル）を調達し、Mayfield、The House Fund、Anthropic PBCなどの大手テクノロジー企業の従業員が参加した。Bespokeは以前、Google DeepMindのチーフサイエンティストであるJeff Deanを含むコンソーシアムから825万ドルを調達していた。

カスタムAIモデルを構築するワークフローは2つの主要なステップで構成される。最初は事前トレーニングフェーズで、ニューラルネットワークにプロンプトに応答するためのコアスキルと知識を装備する。第2フェーズはポストトレーニングであり、モデルの推論スキルを磨き、長期的なタスク完了などの分野でも改善をもたらす。

開発者は多くの場合、強化学習と呼ばれる手法を使用してポストトレーニングを実施する。基本アイデアは、AIに本番環境で実行する作業と同様のサンプルタスクを提供することである。モデルがサンプルタスクを正しく完了すると、「報酬」を受け取る。報酬はアルゴリズムの設定を調整し、出力品質を向上させるデータである。強化学習は、各プロジェクトに合わせた仮想環境で実施される。例えば、生産性エージェントは従業員のワークステーションをシミュレートするサンドボックスでトレーニングされる可能性があり、コーディングエージェントはシミュレートされたGitHubリポジトリを必要とするかもしれない。

Bespoke Labsは、強化学習環境の作成を容易にするプラットフォームを提供する。同社によると、このソフトウェアは自動化ワークフローと人間の専門家ネットワークからの入力を使用してシミュレーションを生成し、従来の手動アプローチよりも大幅に高速であると主張している。プラットフォームは、Bespokeがサンドボックス層と表現するものを使用して生成されたAI環境を実行し、このコンポーネントはレイテンシを最小限に抑え、スループットを向上させる。プラットフォームの3番目のコアコンポーネントは、トレーニング中のAIモデルの出力品質を自動的に最適化する。使用される技術の1つは、Bespokeが昨年リリースしたオープンソースプロジェクトGEPAであり、プロンプトエンジニアリングを自動化する。

強化学習だけがBespokeのオープンソース作業の焦点ではない。同社はまた、監視付きファインチューニング（SFP）と呼ばれるもう1つの人気のあるポストトレーニング手法にも優先的に取り組んでいる。これは、AIモデルに出力を洗練するために使用できるサンプルプロンプトと回答のセットを提供することで機能する。SFP問題セットの組み立ては非常に時間のかかるプロセスである。昨年1月、Bespokeは100万以上のサンプルプロンプトと応答を含むOpenThoughtsというデータセットをリリースした。同社は、OpenThoughtsが初期のSFTデータセットよりも優れたポストトレーニング結果を提供すると述べている。

Bespoke Labsは新たに調達した資金を使用して、強化学習プラットフォームを強化し、より多くのAIデータ研究を支援する予定である。