AI後訓練初創公司Bespoke Labs融資4000萬美元

Bespoke Labs Inc.，一家致力於簡化人工智慧專案後訓練階段的初創公司，近日宣佈獲得4000萬美元融資。該公司表示，這筆資金分兩批到位。Bespoke Labs透過由Wing VC領投的A輪融資籌集了大部分資金（3175萬美元），參與方包括Mayfield、The House Fund以及Anthropic PBC等大型科技公司的員工。此前，Bespoke還從包括谷歌DeepMind首席科學家Jeff Dean在內的財團籌集了825萬美元。

開發定製AI模型的工作流程包括兩個主要步驟。首先是預訓練階段，賦予神經網路回答提示所需的核心技能和知識。第二階段是後訓練，磨練模型的推理能力，並可在長週期任務完成等其他方面提供改進。

開發者通常使用一種稱為強化學習的方法進行後訓練。基本思想是為AI提供與其在生產中執行的工作類似的示例任務。當模型正確完成示例任務時，它會獲得“獎勵”。獎勵是一種調整演算法配置以提升輸出質量的資料。強化學習在針對每個專案量身定製的虛擬環境中進行。例如，生產力代理可能在模擬員工工作站的沙盒中訓練，而編碼代理可能需要模擬的GitHub儲存庫。

Bespoke Labs提供了一個平臺，使建立強化學習環境變得更加容易。據該公司稱，該軟體使用自動化工作流和人類專家網路的輸入來生成模擬環境，並聲稱其速度顯著快於傳統手動方法。該平臺使用Bespoke描述的沙盒層來執行生成的AI環境，該元件有助於減少延遲並提高吞吐量。平臺的第三個核心元件自動最佳化正在訓練的AI模型的輸出質量，使用的技術之一是GEPA——Bespoke去年釋出的一個開源專案，用於自動化提示工程。

強化學習並非Bespoke開源工作的唯一焦點。該公司還優先考慮另一種流行的後訓練方法——監督微調（SFP）。它透過向AI模型提供一組示例提示和答案來改進輸出。組裝SFP問題集可能非常耗時。去年1月，Bespoke釋出了一個名為OpenThoughts的資料集，包含超過100萬個示例提示和響應。該公司表示，OpenThoughts提供了比早期SFT資料集更好的後訓練結果。

Bespoke Labs將利用新籌集的資金增強其強化學習平臺，並資助更多AI資料研究。