跳到正文
机器之心· 关注AI新动态的·· 6 天前AI 评分62

陈丹琦兼职加入 Noeri,新公司押注 AI 自进化并获 1.1 亿美元融资

刚刚,陈丹琦官宣兼职加入Noeri!新公司押注AI自进化

AI 导读

普林斯顿大学计算机科学副教授陈丹琦在社交平台透露,自己两个月前以兼职身份加入 AI 公司 Noeri,关注 AI 在科学发现中的应用。

正文

机器之心编辑部

普林斯顿大学计算机科学副教授陈丹琦,加入了一家刚刚亮相的 AI 公司。

今天凌晨,

陈丹琦在社交平台透露,自己两个月前就以兼职身份加入了 Noeri

。她对这支团队的研究方向颇为期待,尤其关注 AI 在科学发现中的应用,希望让每一位科学家都能把 AI 用在自己最棘手的研究问题上。

Noeri 由斯坦福大学计算机科学教授 Yejin Choi 和 Carlos Guestrin 共同创立,专注于开发能够持续学习、自我改进的 AI 系统

。公司希望帮助企业利用自身数据和业务经验,打造专属于自己的 AI,让这些系统在真实工作中不断积累经验、优化能力。

伴随正式亮相,

Noeri 还宣布获得 1.1 亿美元融资

,由 Menlo Ventures 领投,Madrona Venture Group、Kindred Ventures、Wing Venture Capital 和 NEA 参与,NVIDIA、Cisco Investments、Snowflake 等成为战略投资者。

这支团队提出了一个颇有辨识度的理念:Plural Intelligence(复数智能)。在他们看来,未来的 AI 应该由不同规模、不同专长的智能系统共同构成,每个组织和个人都能打造、掌握并持续改进自己的 AI。

陈丹琦加入

Noeri 背后是什么阵容?

这次创业的两位核心人物,在 AI 研究圈都有相当深厚的积累。

Yejin Choi 是斯坦福大学计算机科学教授、斯坦福 HAI 高级研究员。她长期研究常识推理、自然语言处理、大语言模型和 AI 价值对齐等方向,曾任华盛顿大学计算机科学教授、艾伦人工智能研究所(Ai2)高级研究经理,并在 NVIDIA 担任高级研究总监、杰出科学家。2025 年 1 月,她正式加入斯坦福大学。

另一位联合创始人 Carlos Guestrin,则是机器学习领域的资深学者和创业者。

如果接触过机器学习工具,很可能听说过他与 Tianqi Chen 共同创建的 XGBoost。这是一款应用广泛的开源机器学习工具。他还联合创办了机器学习公司 Turi,后者于 2016 年被苹果收购。加入苹果后,Guestrin 担任机器学习与 AI 高级总监,参与推动苹果在西雅图建立 AI 与机器学习研发中心。

如今,两人共同担任 Noeri 的联合 CEO。

陈丹琦的加入,则为团队带来了另一条重要的研究脉络。她目前是普林斯顿大学计算机科学系副教授,共同领导普林斯顿 NLP 研究小组。同时兼顾普林斯顿语言与智能研究计划副主任,该计划致力于开展大型 AI(如 LLM)的基础研究,她还是 RoBERTa 的作者之一。

在自己的推文中,陈丹琦特别提到,能够与长期以来的榜样和朋友 Yejin Choi 一起工作,让她感到非常高兴。

从团队构成来看,Noeri 汇集了自然语言处理、机器学习、强化学习、智能体和科学计算等领域的研究人员,显然希望把学术研究与实际 AI 产品开发放在同一条线上推进。

让 AI 学会改进 AI

Noeri 准备怎么做?

Noeri 给自己的定位很明确:

打造能够持续学习、持续改进的 AI 系统

。

当前,大多数 AI 模型在完成训练后,参数基本固定。模型部署到企业内部,面对新的业务数据和工作流程,往往还需要人工调整提示词、工具调用方式,甚至重新训练模型。

这意味着企业想让 AI 真正适应自己的业务,通常需要投入一支专业的 AI 工程团队。

Noeri 想把这部分工作交给 AI。

根据公司公布的产品介绍,Noeri 会研究企业自身的数据和工作流程,围绕具体任务优化整套 AI 系统。它可以调整的范围包括:

指令与技能:根据实际任务表现,改进 AI 系统使用的指令、技能和执行策略。

工具与编排:调整工具配置和调用方式,优化不同模型与工具之间的协作。

模型选择:根据不同任务的难度和成本,选择更合适的模型负责相应环节。

模型优化:在有必要时,进一步优化模型本身,甚至调整底层参数,让模型更适合企业的具体任务。

每一次改动都会附带解释,并交由人类审核确认。Noeri 将这一过程比作代码审查。

它支持使用闭源模型和开放权重模型,也能够随着新模型的出现进行适配。客户可以保留自己的数据,以及通过系统开发的工作流和模型的所有权,但仍需遵守第三方模型的相关许可协议。

Noeri 希望让 AI 在实际工作中持续积累经验。系统会从企业的数据、工作流程以及任务执行过程中的交互中学习,并据此改进自身能力。

每一次任务中的经验和纠正,都有机会成为下一轮优化的依据。

从产品形态来看,Noeri 更像一名能够持续工作的 AI 工程师。它负责研究现有工作流程、寻找系统中的改进空间,并提出优化方案;每次改动都需要经过人类审核。

复数智能

为什么成为 Noeri 的核心主张?

Noeri 这个名字本身,就藏着创始团队对 AI 未来的一种判断。

公司将其解释为「智能的复数形式」(The Plural of Intelligence)。在 Yejin Choi 和 Carlos Guestrin 发布的愿景文章中,两人描绘了两种不同的 AI 发展路径。

一种是由一家企业开发并掌握一个超级智能,其他企业和个人只能依赖它。另一种则是由大量不同规模、不同能力的 AI 组成生态。每个智能系统围绕特定地域、人群或问题进行专业化调整,由真正了解这些问题的人和组织塑造。他们更倾向于后者。

这背后有一个非常现实的商业问题。

一家企业可能需要 AI 处理财务分析、客户服务、研发设计等不同任务。每项工作对模型的要求都不一样。如果所有任务都交给最昂贵的前沿模型,成本很难控制;如果选择成本较低、能力相对有限的模型,又可能牺牲任务效果。

Noeri 希望通过模型专业化和智能体协作,找到更合适的组合。例如,让一个较小的模型负责调度,根据任务需要调用其他模型和专业工具;随着具体任务经验不断积累,再持续优化相应的模型和工作流程。不同 AI 各司其职,并在实际工作中不断进化。

这种思路也延伸到了科学研究。

陈丹琦在推文中提到,她尤其期待复数智能在科学发现中的应用。对于一位科学家来说,研究问题往往高度专业化,现成的通用模型未必掌握足够的领域知识。

如果 AI 能够围绕某个具体研究问题持续学习,记住过去尝试过哪些方案、取得了什么结果,还能让多个专业化智能体协同工作,共同提出假设、检验方案并完善研究方向,那么科学家就有机会把更多精力放在提出问题和验证发现上。

这也是 Noeri 希望探索的方向。

参考链接:

https://www.noeri.ai/

https://x.com/danqi_chen/status/2122430543589413073

https://x.com/YejinChoinka/status/2122379749372907852

© THE END

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com

来源:机器之心 · mp.weixin.qq.com