Plurai 希望使用帮助自动驾驶汽车上路的相同方法来帮助人工智能代理更好地工作

人工智能代理风靡一时，但它们的能力并不像供应商想象的那么强大。对负责复杂工作的代理进行基准测试的努力表明，如果没有密切的监督，他们通常不够可靠，无法发挥作用。 LiveBench 2.0 显示 Claude Fable 5.2 和 ChatGPT-6 Astra 在 100 项任务中分别成功完成了 82.9 和 75.6 项任务，人工智能基础设施公司 EON 在模拟企业环境中测试代理时发现，测试最成功的模型 Claude Opus 4.8 执行任务的准确率达到 76.8%。现在，一家名为 Plurai 的初创公司希望利用与自动驾驶汽车上路相同的技术来提高这些数字：使用基于公司自己的数字系统的合成数据进行模拟，旨在准备模型来解决困难的边缘情况。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 与 Waymo 合作模拟和评估其端到端深度学习驾驶软件。 “当我们看到人工智能代理浪潮的那一刻，我们看到了同样的模式：构建演示非常容易，但很难获得可靠且具有成本效益的东西，”Kadar 告诉 TechCrunch。 “因为我们看到了相同的模式，所以我们想要构建这个模拟层也是相同的。”周三，这家初创公司表示已筹集 1300 万美元的种子资金来实现这一目标。本轮融资由 Team8 牵头，U&I、Velocity 和 Mercer 参与。就像经过训练来驾驶汽车的端到端模型一样，人工智能代理是在不可预测的环境中运行的概率系统。当受到客户的压力时，负责预订旅行的代理商可能会忽略消费政策。或者，当负责查询一个数据库时，代理可以可靠地提供答案，但组合来自多个数据集的信息往往会搞砸工作。与客户服务机器人进行长时间对话可能会因为过多的上下文而让客服人员不知所措，并导致错误的转弯。为了解决这个问题，Plurai 创建了公司电子系统的数字孪生，包括代理商在生产中可以访问的知识库和工具。然后，它映射代理的所有可能的流程，并使用该图来准备模型，并对可能的边缘情况进行评估和修复。该平台可与 Claude Code、Codex、Copilot 和 Cursor 等现有代理工具配合使用。然而，卡达尔表示，该公司真正的承诺是利用其收集的数据来对针对个人客户需求量身定制的小型开放权重模型进行后期训练。与 Nvidia 和 Nebius 合作进行的测试表明，该公司的模型以更低的成本超越了中端前沿模型。 “我们可以采用大型语言模型，我们可以使用模拟将任务分解为较小的任务，训练[开放权重]模型，并使用模拟验证质量是否高于或与前沿模型相当，并且成本降低一个或两个数量级，”他说。谷歌 DeepMind 研究员 Reah Miyara 作为天使投资者支持 Plurai，他表示该公司的优势来自于了解生产中的故障模式，并生成合成数据来调整模型。 Miyara 表示，当企业试图优化其人工智能支出时，Plurai 的方法可能会被证明是真正的优势，因为 IT 领导者发现“具有前沿能力的模型与我的特定数据不相符，而且这些东西的成本从长远来看是不可持续的”。 Plurai 希望物理环境和数字环境中的人工智能代理之间的类比能够证明预测性：虽然强大的通用人工智能模型正在为机器人赋予令人着迷的功能，但它们还不够可靠，无法广泛部署。与此同时，由专为特定任务构建的人工智能模型驱动的机器人目前已投入使用，为客户服务并收集有价值的现实世界数据。卡达尔说：“我的观点是，无论 OpenAI 和 Anthropic 模型多么聪明——而且它们会聪明得多——它们都不会了解你的业务和你的政策。”