Bespoke Labs تجمع $40 million لأدوات ما بعد تدريب الذكاء الاصطناعي

قالت Bespoke Labs إنها جمعت مبلغ $40 million لتوسيع برمجيات ما بعد تدريب الذكاء الاصطناعي، وهي المرحلة التي يصقل فيها المطورون النموذج بعد pre-training وقبل الاستخدام الإنتاجي. وقالت الشركة إن المال سيدعم منصة reinforcement learning لديها ومزيدا من أبحاث بيانات الذكاء الاصطناعي.

جاء التمويل على شريحتين. قالت Bespoke إنها جمعت $31.75 million في جولة Series A قادتها Wing VC، مع مشاركة Mayfield وThe House Fund وموظفين في شركات تقنية كبرى مثل Anthropic. وقالت Bespoke إنها جمعت سابقا $8.25 million من مجموعة ضمت Jeff Dean كبير علماء Google DeepMind.

تضع الجولة المعلنة الشركة الناشئة داخل جزء تقني من طبقة الذكاء الاصطناعي أصبح أكثر أهمية مع محاولة الشركات تحويل النماذج الأساسية إلى وكلاء وأدوات برمجة وسير عمل مؤسسية. وتبقى ادعاءات Bespoke مملوكة للشركة: لم يتضمن الإعلان أسماء عملاء أو إيرادات أو تقييما أو نتائج معيارية من طرف ثالث.

منصة ما بعد التدريب تستهدف بيئات reinforcement learning

تتمحور منصة Bespoke حول عمل ما بعد التدريب الذي يتبع pre-training. يمنح pre-training الشبكة العصبية قدرات واسعة، بينما يستخدم post-training لصقل الاستدلال وأداء المهام لاستخدامات أضيق.

غالبا ما يستخدم المطورون reinforcement learning في هذه الخطوة. في هذه العملية، يتلقى نموذج الذكاء الاصطناعي مهام عينة مشابهة للعمل المتوقع منه، ثم يتلقى إشارة مكافأة عندما ينجز المهمة بشكل صحيح. وتغير بيانات المكافأة إعداد النموذج وتهدف إلى تحسين جودة المخرجات.

قالت الشركة إن برمجياتها تساعد في إنشاء البيئات الافتراضية المستخدمة في reinforcement learning. قد يحتاج وكيل إنتاجية إلى صندوق اختبار يشبه محطة عمل موظف، بينما قد يحتاج وكيل برمجة إلى مستودع GitHub محاكى. وقالت Bespoke إن منصتها تنشئ تلك المحاكاة عبر سير عمل آلية ومدخلات من شبكة خبراء بشريين.

قالت Bespoke أيضا إن منصتها تستخدم طبقة sandboxing لتشغيل بيئات الذكاء الاصطناعي التي تنشئها. وتزعم الشركة أن هذه الطبقة تساعد في تقليل الكمون وزيادة الإنتاجية، لكنها لم تنشر منهجية معيارية مستقلة أو تحقق عملاء من تلك الادعاءات المتعلقة بالأداء.

GEPA وOpenThoughts يظهران دفع البيانات مفتوحة المصدر

تستخدم Bespoke أيضا مشاريع مفتوحة المصدر لدعم موقعها في post-training. تتضمن المنصة GEPA، وهو مشروع مفتوح المصدر أطلقته الشركة العام الماضي لأتمتة هندسة الموجهات. ويركز ذلك العمل على العثور على الطلبات وصيغ الموجهات التي تزيد جودة مخرجات النموذج.

تعمل الشركة على supervised fine-tuning إلى جانب reinforcement learning. ويزود supervised fine-tuning نماذج الذكاء الاصطناعي بموجهات وإجابات عينة يمكنها استخدامها لصقل المخرجات.

أصدرت Bespoke مجموعة بيانات باسم OpenThoughts في January الماضي. وقالت الشركة إن المجموعة تحتوي على أكثر من million عينة من الموجهات والاستجابات، وقالت إنها تنتج نتائج post-training أفضل من مجموعات SFT سابقة. تأتي ادعاءات مجموعة البيانات هذه من Bespoke؛ ولم يتضمن إعلان التمويل جدول مقارنة مستقلا أو نشرا خارجيا مسمى يستخدم OpenThoughts.

التمويل يترك أدلة العملاء والتقييم غير معلنة

يمنح رأس المال الجديد Bespoke مساحة أكبر للبناء في سوق مزدحمة لأدوات الذكاء الاصطناعي، لكن الأدلة المتاحة تتركز أساسا في حجم التمويل وقائمة المستثمرين ووصف المنتج. سمت الشركة حجم الجولة وعددا من الداعمين، ووصفت كيف تتصل بيئات reinforcement learning وطبقة sandboxing وعمل GEPA ومجموعة OpenThoughts بمنصتها.

لم يسم الإعلان عملاء يدفعون، أو يكشف الإيرادات السنوية، أو يذكر تقييما، أو ينشر أعداد نشر، أو يقدم اختبارات كمون أو إنتاجية من طرف ثالث، أو يحدد فرق مؤسسات تستخدم المنصة في الإنتاج.