Gabriel ja minä aloitimme tämän yritysohjelmoinnin pienessä toimistossa vuoden putkeen. Lähdimme liikkeelle ajatuksesta, että tekoälyjärjestelmien on kyettävä oppimaan tosielämän kokemuksista todellisten ongelmien ratkaisemiseksi. Lopulta kävi selväksi, että kyseessä oli paljon enemmän järjestelmä- ja dataongelma kuin koneoppimisongelma. Ratkaisun piti olla teollisuustason ohjelmisto, joka oli vapaasti saatavilla ja helposti omaksuttavissa yksittäisille kehittäjille, mutta joka pystyi skaalautumaan suurten organisaatioiden tarpeisiin. Niinpä otimme projektin avoimeen lähdekoodiin ja käskimme ensimmäisiä käyttäjiämme lopettamaan meille maksamisen. Se tuntui hullulta. Näinä päivinä olemme kulman takana. Meillä on pieni mutta uskomaton tekninen tiimi: Aaron (Rust-kääntäjän ylläpitäjä, Svix, AWS), @anndvision (Columbian postdoc, Oxford PhD) ja Alan (CMU PhD, JPM AI Researchin varatoimitusjohtaja), joiden seuraan liittyvät pian Shuyang (LLM-infran SWE henkilökunta Googlessa, Palantir) ja Cole (Cognition, Windsurf, Stanford). Yhteisömme on aktiivinen ja kasvaa (pian 10 000 tähteen!). On olemassa selkeä polku agentin rakentamiseen, joka optimoi jokaisen TensorZero-käyttöönoton sen keräämää reaalimaailman palautetta vastaan. Jos olisit kertonut minulle aloittaessani väitöskirjani, että jonain päivänä monet yritykset alkaisivat vapaaehtoisesti tallentaa RL-kehityskulkuja tietomalliin, jonka autoin rakentamaan, jotta voisimme optimoida heidän käytäntönsä heille tärkeiden palkkioiden perusteella, olisin hämmästynyt. Pian tätä ei tehdä käsin.
TensorZero
TensorZero19.8. klo 04.14
Julkistamme 7,3 miljoonan dollarin siemenkierroksemme! TensorZero mahdollistaa datan ja oppimisen vauhtipyörän LLM-sovellusten optimointiin: takaisinkytkentäsilmukan, joka muuttaa tuotantomittarit ja ihmisen palautteen älykkäämmiksi, nopeammiksi ja halvemmiksi malleiksi ja agenteiksi. Nykyään tarjoamme avoimen lähdekoodin pinon teollisuustason LLM-sovellusten rakentamiseen, joka yhdistää LLM-yhdyskäytävän, havainnoitavuuden, optimoinnin, arvioinnin ja kokeilun. Voit ottaa tarvitsemasi, ottaa käyttöön asteittain ja täydentää sitä muilla työkaluilla. Ajan myötä näiden komponenttien avulla voit määrittää periaatteellisen palautesilmukan LLM-sovelluksellesi. Keräämäsi tiedot on sidottu suorituskykyilmaisimiin, mallintarjoajien portteihin ja muodostavat kilpailuedun yrityksellesi. Visiomme on automatisoida suuri osa LLM-suunnittelusta. Luomme sille perustan avoimen lähdekoodin TensorZerolla. Esimerkiksi tietomallimme ja päästä päähän -työnkulkumme avulla voimme ennakoivasti ehdottaa uusia muunnelmia (esim. uutta hienosäädettyä mallia), testata sitä historiallisella tiedolla (esim. käyttämällä erilaisia vahvistusoppimistekniikoita), mahdollistaa asteittaisen, reaaliaikaisen A/B-testin ja toistaa prosessin. Tällaisen työkalun avulla insinöörit voivat keskittyä korkeamman tason työnkulkuihin – päättää, mitä tietoja näihin malleihin tulee ja lähtee, miten menestystä mitataan, mitä käyttäytymismalleja kannustetaan ja estetään ja niin edelleen – ja jättää matalan tason toteutuksen yksityiskohdat automatisoidulle järjestelmälle. Tämä on tulevaisuus, jonka näemme LLM-tekniikalle tieteenalana. Äskettäin TensorZero saavutti #1 viikon trendiarkiston maailmanlaajuisesti GitHubissa (ja olemme ylittämässä 10 tuhatta tähteä). Olemme onnekkaita, että olemme saaneet lahjoituksia kymmeniltä kehittäjiltä ympäri maailmaa, ja on jännittävää nähdä, että TensorZero toimii jo huippuluokan LLM-tuotteissa eturintamassa olevissa tekoälyn startup-yrityksissä ja suurissa organisaatioissa, mukaan lukien yksi Euroopan suurimmista pankeista. Olemme innoissamme voidessamme kertoa, että olemme keränneet 7.3 miljoonaa dollaria nopeuttaaksemme TensorZeron pyrkimyksiä rakentaa luokkansa paras avoimen lähdekoodin infrastruktuuri LLM-insinööreille (palkkaamme!). Kierrosta johti @FirstMarkCap, ja siihen osallistuivat @BessemerVP, @bedrock, @DRWTrading, @coalitionvc ja kymmeniä strategisia enkeleitä.
25,98K