Plurai融资1300万美元，用自动驾驶式仿真提升AI Agent可靠性
有效阅读仅保存在当前浏览器，用于「为你」推荐；暂停或清除记录。
DataHot 速览
AI Agent在复杂任务上仍不够可靠，基准测试显示领先模型成功率约76%-83%。创业公司Plurai获1300万美元种子轮融资，由Team8领投。其方法借鉴自动驾驶仿真：基于企业自身数字系统（知识库、工具、数据库）构建数字孪生，用合成数据模拟边缘场景来训练和评估Agent，解决跨数据集查询、长对话上下文过载、违反支出政策等问题。
为什么值得关注：直接涉及Data Agent的可靠性与生产评估难题，且提供了用合成数据仿真提升Agent准确率的具体技术路径，对构建企业级分析Agent的团队有借鉴意义。
本文目录 7 节
译文
AI 逐段翻译AI 智能体风靡一时，但它们并没有其推销者想让你相信的那么强大。
针对承担复杂工作的智能体进行基准测试的努力表明，它们通常不够可靠，无法在没有密切监督的情况下运行。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 的一项尝试在模拟企业环境中测试智能体，结果发现所测试的最成功模型 Claude Opus 4.8 执行任务的准确率为 76.8%。
如今，一家名为 Plurai 的初创公司希望用与让自动驾驶汽车上路相同的技术来提高这些数字：使用基于公司自身数字系统的合成数据进行模拟，旨在让模型做好准备以应对困难的边缘情况。
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 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 智能体浪潮的那一刻，我们就看到了同样的模式：做一个演示非常容易，但要得到可靠且具有成本效益的东西[很难]，”Kadar 对 TechCrunch 说。“既然我们看到了同样的模式，同样的宣传就是，我们想要构建这个模拟层。”
周三，这家初创公司表示已筹集 1300 万美元种子资金来实现这一目标。本轮融资由 Team8 领投，U&I、Velocity 和 Mercer 参投。
就像为驾驶汽车而训练的端到端模型一样，AI 智能体是在不可预测环境中运行的的概率系统。当受到客户施压时，负责预订旅行的智能体可能会无视支出政策。或者，当被要求查询某一个数据库时，智能体可以可靠地给出答案，但合并来自多个数据集的信息往往会让事情卡壳。与客服机器人进行长时间对话可能会给智能体带来过多上下文，导致它走错方向。
为了解决这个问题，Plurai 创建了该公司电子系统的数字孪生，包括智能体在生产环境中将可访问的知识库和工具。然后它映射出智能体所有可能的流程，并利用该图表通过评估和针对可能边缘情况的修复来准备模型。该平台可与 Claude Code、Codex、Copilot 和 Cursor 等现有智能体工具协同工作。
然而，Kadar 表示，该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，以针对各个客户的需求量身定制。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胜过中端前沿模型。
“我们可以拿一个大语言模型，拿一个任务，使用模拟将其分解为更小的任务，训练[一个开放权重]模型，并使用模拟验证质量高于或相当于前沿模型，同时成本降低一个或两个数量级，”他说。
作为天使投资人投资 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故障模式，并生成合成数据来调优模型。随着企业试图优化其 AI 支出，Plurai 的方法可能会被证明是真正的优势，因为 IT 领导者正看到“具备前沿能力的模型与我的特定数据分布不符，而且这些东西的成本从长远来看不可持续，”Miyara 说。
Plurai 希望物理环境和数字环境中 AI 智能体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 模型驱动的机器人已经投入现场，为客户工作并收集有价值的真实世界数据。
“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你的政策，”Kadar 说。
主题
当您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。
2027
旧金山
抢先一睹下一届 TechCrunch Disrupt Disrupt、Startup Battlefield 等将于明年回归，您可以排在队伍最前面。 注册我们的候补名单
最受欢迎
Jensen Huang 所谓的 honeypot 丑闻催生了一些顶级表情包
联邦官员称，Waymo robotaxi 在软件修复后仍非法超越校车
马斯克称特斯拉将退还部分 Cybertruck 订金，并为结束生产的决定辩护
特斯拉将于 2027 年停止生产 Cybertruck
Claude 现在可以通过其新的个人理财工具分析你的支出
Harbinger 在扩展国防业务后筹集 2.4 亿美元
这篇内容对你有用吗？
反馈只用于改善内容筛选，不等同于收藏