Что такое лаборатория прикладных исследований?

AfterQuery — это лаборатория прикладных исследований, занимающаяся разработкой решений в области данных для ускорения создания базовых моделей. Источник: AfterQuery

AfterQuery — прикладная исследовательская лаборатория, поддерживаемая Altos Ventures и Y Combinator, которая преобразует человеческий опыт в данные для обучения надёжных моделей искусственного интеллекта

Когда Спенсер Матега и Карлос Георгеску взялись за создание финансовых ИИ-агентов, они столкнулись с препятствием. Проблема заключалась не в коде, а в данных.

Увидев, что обычные данные, собранные с веб-сайтов, не позволяют моделям учитывать нюансы реального мира, они поняли, что для создания более умного ИИ нужен не просто объем текста, а более качественный опыт.

Основав AfterQuery в 2025 году, еще не закончив учебу в университете, Спенсер и Карлос перенесли акцент с создания приложений для конечных пользователей на решение проблемы нехватки данных, характерной для всей отрасли.

Будущее ИИ будет основано не на большем объеме данных, а на более качественном мышлении

— AfterQuery

AfterQuery — это лаборатория прикладных исследований, занимающаяся внедрением экспертных человеческих суждений в модели ИИ.

По мере того как объем данных в масштабах Интернета достигает своих пределов, эффективность моделей в корне зависит от качества обучающих данных.

Понимая это, организация разрабатывает специализированные наборы данных, среды обучения с подкреплением и системы оценки, которые позволяют обучать надёжные модели ИИ.

Как работает лаборатория прикладных исследований

Традиционные академические учреждения сосредоточены на теоретических прорывах, в то время как поставщики корпоративных данных занимаются простой маркировкой текста. Лаборатория прикладных исследований работает непосредственно на передовой внедрения технологий.

AfterQuery рассматривает курацию данных как строгую исследовательскую дисциплину. Лаборатория изучает, как модели обучаются, в чём они терпят неудачу и как человеческая интуиция преобразуется в алгоритмические циклы обратной связи.

Сочетая программную инженерию с экспертизой в конкретной области, AfterQuery создает среды, в которых модели могут практиковаться в логическом мышлении. Эти системы позволяют ИИ учиться на циклах исправления ошибок и соответствовать профессиональным стандартам.

Лаборатория строит свои исследования вокруг реальных приложений, а не абстрактных тестов. Такой подход гарантирует, что системы ИИ будут надежно работать в профессиональных рабочих процессах, где на кону стоит многое.

Спенсер Матега стал соучредителем AfterQuery вместе с Карлосом Георгеску в 2025 году. Источник: Спенсер Матега/LinkedIn

Направления исследований, способствующие повышению качества данных

Чтобы соединить общее владение языком и профессиональный интеллект, AfterQuery фокусируется на пяти основных направлениях исследований. Каждое направление направлено на устранение конкретного пробела в современной разработке моделей.

• Разработка компьютерных сред, обучающих ИИ-агентов ориентироваться в программных рабочих процессах и крайних случаях
• Создание мультимодальных наборов данных, сочетающих язык со сложными документами, интерфейсами и инженерными диаграммами
• Сотрудничество со специалистами по безопасности с целью выявления враждебных сценариев и создания данных-предохранителей
• Разработка методологий курации, гарантирующих, что каждый пример отражает экспертное суждение человека
• Создание тестов для оценки моделей, позволяющих определить, соответствуют ли этапы рассуждений ментальным моделям экспертов.

Продукты для обучения моделей

AfterQuery преобразует научные открытия в практические инструменты обучения для лабораторий искусственного интеллекта. Набор продуктов компании ориентирован на учет нюансов человеческого поведения, взаимодействия с инструментами и предметной экспертизы на всех этапах разработки моделей.

Лаборатория создает среды реинфорсментного обучения (RL) с вызовом инструментов, используя реальные API и серверы Model Context Protocol (MCP). Эти настраиваемые тестовые среды обучают программных агентов цепочке действий, вызову внешних сервисов и восстановлению после ошибок в реалистичных рабочих процессах.

Среды, имитирующие работу на компьютере и в браузере, сочетают высокоточные программные интерфейсы с траекториями действий, демонстрируемыми экспертами. Наборы данных для контролируемой тонкой настройки (SFT) предоставляют высококачественные пары запросов и ответов, а также трассировки рассуждений, позволяющие сформировать базовые навыки до начала обучения с подкреплением.

RL на основе рубрик и верификаторов сочетает разработанные экспертами критерии с автоматизированными верификаторами для оценки результатов работы модели. Между тем, RLHF фиксирует тонкости человеческого вкуса на основе тысяч пар сравнений, выполненных экспертами.

Для внедрения предметно-специфических суждений решения на основе глубоких исследований опираются на данные почти 100 000 проверенных специалистов в области медицины, права, финансов и инженерии. Систематический анализ потерь выявляет точные режимы сбоев модели, а готовые наборы данных обеспечивают немедленный доступ к предварительно валидированным обучающим данным.

Обучающие данные AfterQuery включают:

• Наставленная тонкая настройка (SFT)
• Обучение с подкреплением + Рубрики
• Среды агентов (API/MCP)
• Траектории использования компьютера

Инвесторы, поддерживающие лабораторию

В 2025 году AfterQuery завершила раунд финансирования серии A на сумму 30 млн долларов США, возглавленный инвестиционной компанией Altos Ventures из Кремниевой долины. По итогам этого раунда оценка компании составила 300 млн долларов США.

В результате последующих изменений на рынке в сентябре 2026 года оценка компании достигла 3,2 млрд долларов США. Этот рубеж сделал AfterQuery самым быстрым стартапом в истории Y Combinator, достигшим статуса «единорога».

Быстрый рост оценки компании отражает годовой показатель повторяемой выручки, превышающий 100 млн долларов США. Это вливание капитала позволяет AfterQuery масштабировать свою исследовательскую инфраструктуру и расширять сеть проверенных экспертов в различных областях.

Компания получает поддержку от ведущих венчурных фондов в технологическом секторе. Первоначальная поддержка со стороны Y Combinator обеспечила стартовый импульс, а последующее финансирование поступило от специализированных венчурных фондов, включая The Raine Group, BoxGroup и Latitude Capital.

Лабораторию также поддерживают частные бизнес-ангелы из ведущих организаций в сфере искусственного интеллекта, включая Google DeepMind, OpenAI, Anthropic и Meta. Их участие привносит специализированные технические знания, дополняющие финансовую поддержку AfterQuery.

Ключевые партнеры

AfterQuery сотрудничает с поставщиками оборудования, платформами искусственного интеллекта и научно-исследовательскими учреждениями в целях совершенствования возможностей моделей. К ним относятся:

• NVIDIA: компания, занимающаяся корпоративным программным обеспечением и вычислениями с ускорением на GPU, использует наборы данных AfterQuery для обучения передовых моделей.
• Legora: юридическаяплатформа на базе ИИ, которая сотрудничает с AfterQuery в целях проведения юридических оценок для исследовательских задач и задач комплексной проверки.
• Thinking Machines Lab: исследовательскийколлектив , занимающийся совместной разработкой передовых методологий оценки моделей и работы с данными.
• Научно-исследовательские лаборатории: научные учреждения, в том числе Калифорнийский университет в Беркли, Стэнфордская лаборатория искусственного интеллекта и Институт искусственного интеллекта Аллена, которые участвуют в совместной работе над тестами открытых наборов данных.