
Plurai用自动驾驶模拟训练法提升AI智能体可靠性
来源标题:Plurai wants to help AI agents work better using the same approach that helped get self-driving cars to roads
初创公司Plurai提出用合成数据模拟企业自身数字系统来训练AI智能体,以提升其在复杂边缘场景下的可靠性。联合创始人Ilan Kadar和Elad Levi曾任职于自动驾驶公司Nexar,Kadar还参与过Waymo端到端驾驶软件的模拟与评估。他们指出,AI智能体与自动驾驶类似,做演示容易,但做到可靠且低成本很难。
以下正文由 AI 翻译自 TechCrunch(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
AI agent 现在风头正劲,但它们的能力远没有卖家想让你相信的那么强。
针对承担复杂任务的 agent 所做的基准测试显示,它们通常不够可靠,无法在没有密切监督的情况下运作。LiveBench 2.0 显示,Claude Fable 5.2 和 ChatGPT-6 Astra 分别在 100 项任务中成功完成 82.9 项和 75.6 项;而 AI 基础设施公司 EON 在模拟企业环境中测试 agent 的努力发现,测试中最成功的模型 Claude Opus 4.8 执行任务的准确率为 76.8%。
如今,一家名为 Plurai 的初创公司希望用当年让自动驾驶汽车上路的同类技术来提升这些数字:基于企业自身数字系统生成的合成数据进行模拟,旨在让模型准备好应对困难的边缘案例。
联合创始人 Ilan Kadar 和 Elad Levi 此前曾在开发自动驾驶技术的 Nexar 工作。Kadar 曾与 Waymo 合作,对其端到端深度学习驾驶软件进行模拟和评估。
“当我们看到 AI agent 浪潮的那一刻,我们看到了同样的模式:做一个 demo 非常容易,但要做出可靠且具有成本效益的东西却很难,”Kadar 对 TechCrunch 表示。“既然我们看到了同样的模式,同样的目标就是我们要构建这个模拟层。”
周三,这家初创公司表示已筹集 1300 万美元种子轮资金来实现这一目标。本轮由 Team8 领投,U&I、Velocity 和 Mercer 参投。
与训练自动驾驶的端到端模型一样,AI agent 是在不可预测环境中运行的概率系统。在客户的施压下,负责预订旅行的 agent 可能会无视差旅政策。或者,当被要求查询某一个数据库时,agent 能可靠地给出答案,但把多个数据集的信息结合起来往往会卡壳。与客服机器人进行长时间对话,可能因上下文过多而让 agent 不堪重负,从而导致跑偏。
为了解决这个问题,Plurai 会创建企业电子系统的数字孪生,包括 agent 在生产环境中将能访问的知识库和工具。然后它绘制出 agent 所有可能的流程,并利用这张图通过评估和对可能边缘案例的修复来准备模型。该平台可与 Claude Code、Codex、Copilot 和 Cursor 等现有 agentic 工具协同工作。
不过,Kadar 表示,公司真正的潜力在于利用其收集的数据对小型开放权重模型进行后训练,以贴合各个客户的需求。与 Nvidia 和 Nebius 合作进行的测试显示,该公司的模型以更低的成本超越了中端前沿模型。
“我们可以拿一个大语言模型,拿一个任务,利用模拟将其分解为更小的任务,训练一个(开放权重的)模型,再利用模拟验证质量高于或媲美前沿模型,同时成本降低一个或两个数量级,”他说。
以天使投资人身份投资 Plurai 的 Google DeepMind 研究员 Reah Miyara 表示,该公司的优势在于理解生产环境中的失败模式,并生成合成数据来调优模型。随着企业试图优化其 AI 开支,Plurai 的方法可能被证明是真正的优势,因为 IT 负责人正逐渐意识到“前沿能力的模型与我的特定数据存在分布外问题,而且这些东西的成本长期来看不可持续,”Miyara 说。
Plurai 希望物理环境和数字环境中 AI agent 之间的类比能够具有预测性:虽然强大的通用 AI 模型正赋予机器人迷人的能力,但它们还不够可靠,无法广泛部署。与此同时,由为特定任务构建的 AI 模型驱动的机器人现在已经在现场工作,为客户服务并收集宝贵的真实世界数据。
“我的观点是,无论 OpenAI 和 Anthropic 的模型有多聪明——而且它们会聪明得多——它们都不会了解你的业务和政策,”Kadar 说。
当你通过我们文章中的链接购买时,我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
Anthropic 推出 Claude Meetings,将工作场所讨论转化为计划和任务 Aisha Malik Jensen Huang 所谓的 honeypot 丑闻催生了一些顶级梗图 Dominic-Madori Davis Lucas Ropek 联邦官员称,Waymo robotaxi 在软件修复后仍非法超越校车 Kirsten Korosec Musk 表示特斯拉将退还部分 Cybertruck 订金,并为停产决定辩护 Kirsten Korosec 特斯拉将于 2027 年停止生产 Cybertruck Sean O'Kane Claude 现在可以通过其新的 Personal Finance 工具分析你的支出 Aisha Malik Harbinger 在扩展国防业务后筹集 2.4 亿美元 Sean O'Kane
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。