什麼是應用研究實驗室?
![AfterQuery:人工智慧數據解決方案應用研究實驗室]()
AfterQuery 是一個應用研究實驗室,致力於開發數據解決方案,以加速基礎模型的開發。圖片來源:AfterQuery
在 Altos Ventures 和 Y Combinator 的支持下,AfterQuery 作為一間應用研究實驗室,致力於將人類專業知識轉化為數據,藉此訓練出可靠的人工智慧模型
當 Spencer Mateega 和 Carlos Georgescu 著手打造金融 AI 代理時,他們遭遇了瓶頸。問題不在於程式碼,而在於資料。
目睹通用網路爬取資料導致模型無法掌握現實世界的細微差異,兩人意識到,更聰明的 AI 需要的是更優質的經驗,而非更多的文字。
2025年,Spencer 和 Carlos 在完成大學學業的同時創立了 AfterQuery,將重心從開發終端用戶應用程式轉向解決整個產業面臨的數據瓶頸。
AI 的未來不在於使用更多數據進行訓練,而在於透過更精妙的思維進行訓練——AfterQuery
AfterQuery 是一個應用研究實驗室,致力於將人類專家的判斷編碼到 AI 模型中。
隨著網路規模的數據達到極限,模型的表現本質上受到訓練數據品質的限制。
基於對此的理解,該組織設計了專用的資料集、強化學習環境及評估框架,用以訓練可靠的 AI 模型。
應用研究實驗室的運作方式
傳統學術機構專注於理論突破,而企業級資料供應商則著重於簡單文字的標註。應用研究實驗室則直接在實作的前沿領域運作。
AfterQuery 將資料整理視為一門嚴謹的研究學科。該實驗室探究模型如何學習、在何處失誤,以及人類直覺如何轉化為演算法反饋迴路。
透過將軟體工程與領域專業知識相結合,AfterQuery 打造了供模型進行推理演練的環境。這些系統使 AI 能夠從錯誤恢復循環中學習,並達到專業標準。
該實驗室的研究設計以真實世界應用為核心,而非抽象測試。此方法確保 AI 系統能在高風險的專業工作流程中可靠運作。
Spencer Mateega 與 Carlos Georgescu 於 2025 年共同創辦 AfterQuery。圖片來源:Spencer Mateega/LinkedIn
推動資料品質的研究領域
為了彌合通用語言流利度與專業智能之間的鴻溝,AfterQuery 聚焦於五大主要研究支柱。每個支柱皆針對當前模型開發中的特定缺口進行解決。
- 開發電腦使用環境,教導 AI 代理如何駕馭軟體工作流程與邊緣案例
- 建構多模態資料集,將語言與複雜文件、介面及工程圖表相結合
- 與資安專家合作,發掘對抗性情境並建構防護欄數據
- 設計能確保每個範例均反映人類專家判斷的精選方法論
- 建立模型評估基準,用以衡量推理步驟是否符合專家心智模型。

專為模型訓練打造的產品
AfterQuery 將研究洞見轉化為適用於 AI 實驗室的實用訓練工具。其產品套件著重於在模型開發的每個階段,捕捉人類的細微差異、工具互動及領域專業知識。
該實驗室利用真實 API 及模型上下文協定(MCP)伺服器,建構工具調用式強化學習(RL)環境。這些客製化沙盒能教導軟體代理如何在逼真的工作流程中串聯動作、調用外部服務,並從錯誤中恢復。
電腦使用與瀏覽器使用環境將高保真軟體介面與專家示範軌跡相結合。監督式微調(SFT)資料集提供高品質的提示-回應對及推理軌跡,以便在強化的學習開始前建立基礎技能。
基於評分標準與驗證器的強化學習,結合專家精心設計的評分標準與自動化驗證器,對模型輸出進行評分。與此同時,RLHF 透過數千組專家比較對,捕捉人類細微的偏好差異。
為了嵌入領域特定的判斷能力,深度研究解決方案匯集了來自醫學、法律、金融和工程領域近 100,000 名經核實的實務專家。系統性的損失分析能精確識別模型的失效模式,而現成的資料集則可立即提供經預先驗證的訓練資料。
AfterQuery 的訓練資料包含:
- 監督式微調 (SFT)
- 強化學習 + 評分標準
- 代理環境(API/MCP)
- 電腦使用軌跡
支持該實驗室的投資者
2025年,AfterQuery 完成由矽谷投資公司 Altos Ventures 領投的 3,000 萬美元 A 輪融資。此輪融資使該公司估值達到 3 億美元。
隨後在 2026 年 9 月的市場發展中,該公司估值達到 32 億美元。此里程碑使 AfterQuery 成為 Y Combinator 歷史上最快躋身獨角獸行列的新創公司。
估值的快速增長反映出其年度經常性收入(ARR)運行率已超過1億美元。這筆資金注入使 AfterQuery 得以擴展其研究基礎設施,並擴大其經核實的領域專家網絡。
該公司獲得科技領域多家知名風險投資機構的支持。Y Combinator 提供的早期支持奠定了發展基礎,而後續資金則來自 The Raine Group、BoxGroup 和 Latitude Capital 等風險投資專家。
來自 Google DeepMind、OpenAI、Anthropic 及 Meta 等頂尖人工智慧機構的個人天使投資人,亦對該實驗室提供支持。他們的參與帶來了專業的技術洞見,與 AfterQuery 的資金支持相輔相成。
主要合作夥伴
AfterQuery 與硬體供應商、AI 平台及學術研究機構合作,以提升模型能力。合作夥伴包括:
- NVIDIA:這家 企業軟體與 GPU 加速運算公司運用 AfterQuery 的資料集,以支援前沿模型的訓練。
- Legora:一家 法律 AI 平台,與 AfterQuery 合作開發用於研究與盡職調查任務的法律評估工具。
- Thinking Machines Lab:一個 致力於先進模型評估與數據方法論的研究團體。
- 學術研究實驗室:包括加州大學柏克萊分校、史丹佛人工智慧實驗室及艾倫人工智慧研究所等研究機構,共同參與開放資料集基準測試。
相關文章
不到一年時間,鐵匠業的估值便上漲了近十倍
隨著人工智慧大幅加速編碼流程,軟體開發領域接下來的重大挑戰便變成了對所有生成程式碼的測試以及確保其準確性。Blacksmith 最近又完成了一輪 4500 萬美元的融資,旨在把握這一不斷變化的行業趨勢。本輪由 Peak XV Partners 領投的 B 輪融資為 Blacksmith 定價的估值高達 5.5 億美元,而不到一年前其在 A 輪融資時獲得的估值僅為 6000 萬美元。現有投資者 GV 和 Y Combinator 也參與了此次融資,使得這家初創公司的累計融資額達到了 5850 萬美
Conntour 從 General Catalyst 和 YC 獲得 700 萬美元資金,用於開發人工智慧驅動的監控影像搜尋技術
監控技術產業目前正受到密切關注,但原因卻並非令人樂見。 隨著美國移民及海關執法局據報曾存取 Flock 的攝影機網路進行監控,以及家用攝影機製造商 Ring 因開發允許執法機關向屋主索取鄰里影像的功能而面臨批評,相關爭議隨之爆發。這些發展已引發關於安全、隱私及監控倫理的廣泛辯論。然而,爭議並未削弱市場需求。視覺語言模型的持續進步,正推動著那些協助企業更有效管理場地的公司持續成長。視訊監控新創公司
Garry Tan 的 Claude Code 設定引發褒貶不一的反應
Y Combinator 執行長 Garry Tan 在 SXSW 大會上向觀眾透露,他正經歷「網路精神病」,並在極少睡眠的情況下勉強維持運作,這一切都源於他對與人工智慧代理合作所懷抱的熱忱。「我現在每晚大概只睡四小時,」他週六在台上向採訪者兼同為創投的比爾·格利透露。「我得了『網路精神病』,但我覺得我認識的三分之一執行長也有這毛病,」他如此調侃自己對人工智慧的痴迷。(我們推測他是在開玩笑,畢竟由
相關專題推薦
評論 (0)
0/500
AfterQuery 是一個應用研究實驗室,致力於開發數據解決方案,以加速基礎模型的開發。圖片來源:AfterQuery
在 Altos Ventures 和 Y Combinator 的支持下,AfterQuery 作為一間應用研究實驗室,致力於將人類專業知識轉化為數據,藉此訓練出可靠的人工智慧模型
當 Spencer Mateega 和 Carlos Georgescu 著手打造金融 AI 代理時,他們遭遇了瓶頸。問題不在於程式碼,而在於資料。
目睹通用網路爬取資料導致模型無法掌握現實世界的細微差異,兩人意識到,更聰明的 AI 需要的是更優質的經驗,而非更多的文字。
2025年,Spencer 和 Carlos 在完成大學學業的同時創立了 AfterQuery,將重心從開發終端用戶應用程式轉向解決整個產業面臨的數據瓶頸。
AI 的未來不在於使用更多數據進行訓練,而在於透過更精妙的思維進行訓練——AfterQuery
AfterQuery 是一個應用研究實驗室,致力於將人類專家的判斷編碼到 AI 模型中。
隨著網路規模的數據達到極限,模型的表現本質上受到訓練數據品質的限制。
基於對此的理解,該組織設計了專用的資料集、強化學習環境及評估框架,用以訓練可靠的 AI 模型。
應用研究實驗室的運作方式
傳統學術機構專注於理論突破,而企業級資料供應商則著重於簡單文字的標註。應用研究實驗室則直接在實作的前沿領域運作。
AfterQuery 將資料整理視為一門嚴謹的研究學科。該實驗室探究模型如何學習、在何處失誤,以及人類直覺如何轉化為演算法反饋迴路。
透過將軟體工程與領域專業知識相結合,AfterQuery 打造了供模型進行推理演練的環境。這些系統使 AI 能夠從錯誤恢復循環中學習,並達到專業標準。
該實驗室的研究設計以真實世界應用為核心,而非抽象測試。此方法確保 AI 系統能在高風險的專業工作流程中可靠運作。
Spencer Mateega 與 Carlos Georgescu 於 2025 年共同創辦 AfterQuery。圖片來源:Spencer Mateega/LinkedIn
推動資料品質的研究領域
為了彌合通用語言流利度與專業智能之間的鴻溝,AfterQuery 聚焦於五大主要研究支柱。每個支柱皆針對當前模型開發中的特定缺口進行解決。
- 開發電腦使用環境,教導 AI 代理如何駕馭軟體工作流程與邊緣案例
- 建構多模態資料集,將語言與複雜文件、介面及工程圖表相結合
- 與資安專家合作,發掘對抗性情境並建構防護欄數據
- 設計能確保每個範例均反映人類專家判斷的精選方法論
- 建立模型評估基準,用以衡量推理步驟是否符合專家心智模型。

專為模型訓練打造的產品
AfterQuery 將研究洞見轉化為適用於 AI 實驗室的實用訓練工具。其產品套件著重於在模型開發的每個階段,捕捉人類的細微差異、工具互動及領域專業知識。
該實驗室利用真實 API 及模型上下文協定(MCP)伺服器,建構工具調用式強化學習(RL)環境。這些客製化沙盒能教導軟體代理如何在逼真的工作流程中串聯動作、調用外部服務,並從錯誤中恢復。
電腦使用與瀏覽器使用環境將高保真軟體介面與專家示範軌跡相結合。監督式微調(SFT)資料集提供高品質的提示-回應對及推理軌跡,以便在強化的學習開始前建立基礎技能。
基於評分標準與驗證器的強化學習,結合專家精心設計的評分標準與自動化驗證器,對模型輸出進行評分。與此同時,RLHF 透過數千組專家比較對,捕捉人類細微的偏好差異。
為了嵌入領域特定的判斷能力,深度研究解決方案匯集了來自醫學、法律、金融和工程領域近 100,000 名經核實的實務專家。系統性的損失分析能精確識別模型的失效模式,而現成的資料集則可立即提供經預先驗證的訓練資料。
AfterQuery 的訓練資料包含:
- 監督式微調 (SFT)
- 強化學習 + 評分標準
- 代理環境(API/MCP)
- 電腦使用軌跡
支持該實驗室的投資者
2025年,AfterQuery 完成由矽谷投資公司 Altos Ventures 領投的 3,000 萬美元 A 輪融資。此輪融資使該公司估值達到 3 億美元。
隨後在 2026 年 9 月的市場發展中,該公司估值達到 32 億美元。此里程碑使 AfterQuery 成為 Y Combinator 歷史上最快躋身獨角獸行列的新創公司。
估值的快速增長反映出其年度經常性收入(ARR)運行率已超過1億美元。這筆資金注入使 AfterQuery 得以擴展其研究基礎設施,並擴大其經核實的領域專家網絡。
該公司獲得科技領域多家知名風險投資機構的支持。Y Combinator 提供的早期支持奠定了發展基礎,而後續資金則來自 The Raine Group、BoxGroup 和 Latitude Capital 等風險投資專家。
來自 Google DeepMind、OpenAI、Anthropic 及 Meta 等頂尖人工智慧機構的個人天使投資人,亦對該實驗室提供支持。他們的參與帶來了專業的技術洞見,與 AfterQuery 的資金支持相輔相成。
主要合作夥伴
AfterQuery 與硬體供應商、AI 平台及學術研究機構合作,以提升模型能力。合作夥伴包括:
- NVIDIA:這家 企業軟體與 GPU 加速運算公司運用 AfterQuery 的資料集,以支援前沿模型的訓練。
- Legora:一家 法律 AI 平台,與 AfterQuery 合作開發用於研究與盡職調查任務的法律評估工具。
- Thinking Machines Lab:一個 致力於先進模型評估與數據方法論的研究團體。
- 學術研究實驗室:包括加州大學柏克萊分校、史丹佛人工智慧實驗室及艾倫人工智慧研究所等研究機構,共同參與開放資料集基準測試。
不到一年時間,鐵匠業的估值便上漲了近十倍
隨著人工智慧大幅加速編碼流程,軟體開發領域接下來的重大挑戰便變成了對所有生成程式碼的測試以及確保其準確性。Blacksmith 最近又完成了一輪 4500 萬美元的融資,旨在把握這一不斷變化的行業趨勢。本輪由 Peak XV Partners 領投的 B 輪融資為 Blacksmith 定價的估值高達 5.5 億美元,而不到一年前其在 A 輪融資時獲得的估值僅為 6000 萬美元。現有投資者 GV 和 Y Combinator 也參與了此次融資,使得這家初創公司的累計融資額達到了 5850 萬美
Conntour 從 General Catalyst 和 YC 獲得 700 萬美元資金,用於開發人工智慧驅動的監控影像搜尋技術
監控技術產業目前正受到密切關注,但原因卻並非令人樂見。 隨著美國移民及海關執法局據報曾存取 Flock 的攝影機網路進行監控,以及家用攝影機製造商 Ring 因開發允許執法機關向屋主索取鄰里影像的功能而面臨批評,相關爭議隨之爆發。這些發展已引發關於安全、隱私及監控倫理的廣泛辯論。然而,爭議並未削弱市場需求。視覺語言模型的持續進步,正推動著那些協助企業更有效管理場地的公司持續成長。視訊監控新創公司
Garry Tan 的 Claude Code 設定引發褒貶不一的反應
Y Combinator 執行長 Garry Tan 在 SXSW 大會上向觀眾透露,他正經歷「網路精神病」,並在極少睡眠的情況下勉強維持運作,這一切都源於他對與人工智慧代理合作所懷抱的熱忱。「我現在每晚大概只睡四小時,」他週六在台上向採訪者兼同為創投的比爾·格利透露。「我得了『網路精神病』,但我覺得我認識的三分之一執行長也有這毛病,」他如此調侃自己對人工智慧的痴迷。(我們推測他是在開玩笑,畢竟由





首頁






