Composite hilft Unternehmen, zu überwachen, wie KI -Anwendungen gut funktionieren

Dort und die großartigen Sprachmodelle (LLMs), die sie füttern, haben eine Menge nützlicher Anwendungen, aber für all ihr Versprechen, Sie sind nicht sehr zuverlässig.

Niemand weiß, wann dieses Problem gelöst wird. Daher ist es sinnvoll, dass Startups eine Gelegenheit finden, Unternehmen zu helfen, sicherzustellen, dass LLM -Anträge wie beabsichtigt für die Arbeit zahlen.

London Startup Als Es scheint, dass es einen Kopf hat, wenn es versucht, dieses Problem zu lösen, dank der benutzerdefinierten Modelle, mit denen Unternehmen die Genauigkeit und Qualität von Anwendungen bewerten können, die von der LLMs gespeist werden.

Das Unternehmen ist ähnlich wie AgentSo was, FreeplaySo was, Humanloop Und LangsmithSie behaupten, eine solide LLM -Alternative zu menschlichen Tests, Überprüfungslisten und vorhandenen Beobachtbarkeitstools anzubieten. Der Komponist gibt jedoch an, dass es anders ist, weil er eine Option ohne Code und eine API bietet. Dies ist bemerkenswert, da es den Umfang Ihres potenziellen Marktes erweitert – Sie müssen kein Entwickler sein, um ihn zu verwenden, und Domänenexperten und Führungskräfte können KI -Anwendungen für Inkonsistenzen, Qualität und Genauigkeit bewerten.

In der Praxis, komponiert kombinieren Ein auf der Ausgabe geschultes Belohnungsmodell, das eine Person bevorzugt, um von einer KI -Anwendung mit einem bestimmten Satz spezifischer Kriterien dieser Anwendung zu erkennen, um ein System zu erstellen, das die Ausgaben aus der Anwendung in Bezug auf diese Kriterien im Wesentlichen bewertet. Beispielsweise kann ein Chatbot für medizinische Sortierungen dazu führen, dass Ihre Kunden personalisierte Richtlinien definieren, um die Symptome der roten Fahne zu überprüfen, und die Verbindung kann mit der Konsistenz bewerten.

Das Unternehmen kürzlich startete eine öffentliche API Zur Verbindungsausrichtung ein Modell zur Bewertung von LLM -Anwendungen in jedem Kriterium.

Die Strategie scheint ein wenig zu funktionieren: Es gibt Namen wie Accenture, Palantir und McKinsey in seinem Kundenstamm und sammelte kürzlich 2 Millionen US-Dollar an Vorfinanzierung. Der hier aufgenommene kleine Betrag ist heute für ein Startup mit dem Risikoklima nicht ungewöhnlich, aber es ist bemerkenswert, weil dies schließlich ein Land der KI ist – die Finanzierung für diese Unternehmen ist reichlich vorhanden.

Laut dem Mitbegründer und CEO von Commau, Sebastian Fox, liegt die relativ niedrige Zahl jedoch daran, dass der Startup-Ansatz in Kapital nicht besonders intensiv ist.

„In den nächsten drei Jahren werden wir zumindest keine Hunderte von Millionen erhöhen, weil es viele Menschen aufbauen, die Fundamentmodelle bauen und dies sehr effektiv tun, und dies ist nicht unser USP“, sagte Fox, ehemaliger Konkurrent von McKinsey. „Stattdessen, jeden Morgen, wenn ich aufwache und ein Nachrichten sehe, das Openai in ihren Models einen großen Durchbruch erzielt hat, ist das gut für mein Geschäft.“

Mit frischem Geld plant Comoso, ihr Engineering-Team (unter der Leitung von Mitbegründer und CTO Luke Markham, ehemaliger Mann aus Graphcore Machine Learning) mehr Kunden zu gewinnen und ihre F & E-Bemühungen zu verstärken. „Der Fokus dieses Jahres liegt viel mehr auf der Skalierung der Technologie, die wir jetzt in diesen Unternehmen haben“, sagte Fox.

Britischer Hintergrund von dort vor dem Samen Twin Path Ventures führte den Samen der Samen, die auch die Teilnahme von sahen JVH Ventures Und Gefängnis (Letzteres unterstützte das Startup durch sein beschleunigtes Programm). „Der Komponist befasst sich mit einem kritischen Engpass bei der Einführung des Unternehmensalters“, sagte eine Doppelpfadentür in einer Erklärung.

Dieser Engpass ist ein großes Problem für die Gesamtbewegung von KI, insbesondere im Unternehmenssegment, sagte Fox. Ihre aktuelle Form? Weil es nicht zuverlässig genug ist und nicht konsistent genug ist. Und selbst wenn es so ist, können Sie mir nicht beweisen, wie viel es ist «, sagte er.

Dieser Engpass könnte das Gelände für Unternehmen, die KI umsetzen möchten, wertvoller machen, aber das Risiko eines Rufs zur Herstellung von Ruf führen. Laut Fox hat sich sein Unternehmen aus diesem Grund als agnostisch der Branche entschieden, hat aber immer noch eine Resonanz in Räumen der Einhaltung, Recht, medizinischer Versorgung und Sicherheit.

Was seine Wettbewerbslücke angeht, ist Fox der Ansicht, dass die F & E nicht trivial ist, um hierher zu gelangen. „Es gibt die Architektur des Modells und die Daten, mit denen wir es trainieren“, sagte er und erklärte, dass das ausgerichtete Gelände in einem „großen Satz spezialisierter Bewertungen“ trainiert wurde.

Es gibt immer noch die Frage, was Technologiegiganten tun könnten, wenn sie einfach ihre riesigen Kriegskasten spielen, um sich in dieses Problem zu befassen, aber Comoso glaubt, dass es einen ersten Motorvorteil hat. „Das andere (Ding) sind die Daten, die wir im Laufe der Zeit angesammelt haben“, sagte Fox und bezog sich darauf, wie der Komponist die Bewertungspräferenzen erstellt hat.

Da Anwendungen in einer flexiblen Kriterienmenge bewertet werden, ist die Verbindung auch für die Entstehung der aggentischen IA geeigneter als Konkurrenten, die einen eingeschränkteren Ansatz verwenden. „Meiner Meinung nach sind wir definitiv nicht in der Bühne, in der Agenten gut funktionieren, und das versuchen wir zu lösen“, sagte Fox.