Rudi kwa Habari
ViwandaAI Understanding muhtasari

Resect inachangisha dola milioni 25 ili kutengeneza vidhibiti vya maonyesho ya ndani ya mkondo

QUASA inaripoti kuwa Resect imechangisha dola milioni 25 ili kutengeneza programu inayokusudiwa kugundua na kubadilisha tabia ya modeli za lugha kubwa wakati wa uzalishaji. Dai kuu la kiufundi la kampuni bado halijathibitishwa na upimaji huru wa muundo wa uzalishaji.

4 min readRead the linked source
Source-provided image accompanying Resect raises $25 million to develop in-stream hallucination controls
Rejeleo la chanzoChanzo kimerekodiwa
Mchapishaji
quasa.io
Kiungo cha chanzo
quasa.iohttps://quasa.io/insights/resect-raises-25m-to-stop-hallucinations-midstream-proof-comes-next
Aina ya chanzo
Chanzo kilichounganishwa - hali ya chanzo-msingi haijaanzishwa.
MuktadhaElewa hili katika sekunde 60

Anzia hapa

Masharti muhimu

Kuona ndoto
Wakati muundo unazalisha maelezo fasaha lakini ya uwongo au yasiyotumika.
Muundo wa Lugha Kubwa (LLM)
Muundo wa lugha uliofunzwa kwenye shirika kubwa la maandishi ili kuunda na kuchanganua maandishi.
Hitimisho
Awamu ya wakati wa utekelezaji ambapo muundo uliofunzwa hutoa ubashiri au matokeo.
Jijaribu mwenyeweMaswali Yanayofafanuliwa kwa Miundo ya AI

Nini kilitokea

QUASA inaripoti kuwa Resect iliibuka kutoka kwa siri katika jimbo la Washington mnamo Septemba 3, 2026, ikiwa na ufadhili wa dola milioni 25 na pendekezo la programu ambayo inaweza kuangalia, kugundua, kutafsiri, kukagua na kurekebisha tabia ya lugha kubwa wakati majibu yanatolewa.

QUASA inasema ufadhili utasaidia utafiti na maendeleo, biashara, na kukodisha karibu na Seattle na Portland. Ripoti inasema wawekezaji, uthamini, hatua ya kawaida ya ufadhili, na hatua muhimu za kiufundi zinazohusiana na ufadhili hazijafichuliwa. Ikinukuu chanjo ya uzinduzi wa GeekWire, QUASA inaweka idadi ya Resect kuwa 30, lakini inasema maelezo ya wafanyikazi haonyeshi ikiwa wateja wanaendesha marubani wanaodhibitiwa au wakati mfumo wa kibiashara unaweza kupatikana kwa ujumla.

Teknolojia inayopendekezwa inaelezewa kuwa inafanya kazi wakati wa kuunda muundo badala ya kutathmini tu maandishi yaliyokamilishwa. Kulingana na QUASA, inakusudiwa kutambua kutofaulu, kubadilisha tabia ya modeli kabla ya jibu kumfikia mtumiaji, na kuhifadhi njia ya ukaguzi. Ripoti hiyo inasema nyenzo za umma hazielezi ishara za vichochezi, mbinu ya kuingilia kati, ufikiaji wa muundo unaohitajika, usanifu unaotumika au injini za uelekezaji, au ikiwa mfumo unafanya kazi kupitia API za muundo wa wamiliki.

QUASA inasema ukaguzi wa RuntimeWire ulipata miundo ya ukaguzi wa ukweli ya Apache 2.0 yenye leseni ya Veritas yenye vigezo vya 0.6-bilioni na 8-bilioni. Ripoti inataja usahihi wa uwiano uliochapishwa na kampuni wa 72.30% kwa muundo mdogo kwenye LLM-AggreFact, ikilinganishwa na 64.93% kwa msingi maalum wa Qwen3 katika hali ya kutofikiri. QUASA hukokotoa tofauti kama asilimia 7.37, huku ikisisitiza kuwa haya ni matokeo ya kujiripoti kwa usanidi mahususi wa kukagua ukweli, si tathmini huru ya mapendekezo ya udhibiti wa ndani ya mtiririko wa Resect.

Maelezo ya chanzo: quasa.io ↗

Kwa nini ni muhimu

Ikionyeshwa, uingiliaji kati unaotekelezwa wakati wa uzalishaji unaweza kuyapa mashirika mahali pa udhibiti kabla ya jibu kumfikia mtumiaji, huku ikitengeneza rekodi za kukaguliwa baadaye. Hiyo inaweza kuwa muhimu katika uwekaji wa viwango vya juu ambapo ukaguzi wa baada ya kizazi umechelewa. Thamani ya kiutendaji haijabainishwa, hata hivyo: ushahidi ulioelezewa na QUASA unahusu mifano ya kukagua ukweli, si majaribio huru ya mfumo tofauti ambao hutambua na kurekebisha makosa kwa wakati halisi.

Tofauti kati ya kuangalia matokeo ya kumaliza na kubadilisha tabia ya modeli wakati wa uelekezaji ni muhimu. Kidhibiti cha wakati halisi kitahitaji kutambua hitilafu mapema vya kutosha ili kuingilia kati, kuepuka kukandamiza majibu yasiyo ya kawaida lakini sahihi, na kuboresha matokeo ya mwisho badala ya kuyazuia tu. Itahitaji pia kufanya kazi katika miundo na mazingira ya utumiaji ambayo wanunuzi wa biashara hutumia.

Chanzo hakithibitishi kwa uhuru kwamba ufadhili wa dola milioni 25 umefungwa, kubainisha wawekezaji, au kuthibitisha kuwa Resect ina bidhaa ya biashara inayofanya kazi. Pia haitoi ushahidi kwamba matokeo ya Veritas yaliyotajwa huhamishwa hadi kwa programu za uzalishaji, API za miundo iliyofungwa, mifumo inayojiendesha yenyewe, au miundo iliyoboreshwa.

Interactive Mechanism

Mbinu shirikishi: Jinsi Inavyofanya Kazi Kweli

Chunguza teknolojia msingi nyuma ya ukuzaji huu kwa maingiliano.

Thinking Budget (Test-Time Tokens):1,024 tokens
Complex Accuracy79%Math & Code Logic
Latency3.2sTime to first full output
Inference Cost$0.0092Per query estimated
Reasoning StyleStep VerificationInternal chain depth
Active Thinking Trace:
1Deconstruct user problem into formal constraints
2Propose candidate hypotheses & step-by-step calculation
3Self-correction: Backtrack and refute subtle edge cases
4Exhaustive consistency check & final output synthesis
Core takeaway: Test-time compute fundamentally changes AI economics. Instead of only scaling during pre-training, giving reasoning models more tokens at inference time allows them to systematically solve PhD-level STEM problems.
Ukaguzi wa Dhana ya Kuingiliana+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

Nini cha kutazama baadaye

Jaribio kuu ni ikiwa Resect inaweza kuchapisha ushahidi unaoweza kutolewa tena kwamba uingiliaji kati wake unaopendekezwa huzuia maonyesho bila kuweka muda usiokubalika, gharama za kukokotoa au chanya za uwongo. Ufikiaji, bei, miundo inayotumika, na upatikanaji wa jumla haujulikani kwa sasa.

Uthibitisho wa maana utajumuisha vizalia vya programu vilivyotolewa na tathmini, alama za ndani zinazoweza kuzalishwa tena, modeli halisi na maelezo ya mazingira ya makisio, ufafanuzi wazi wa uvumbuzi, na vipimo tofauti vya kugundua, kusahihisha kwa mafanikio, chanya zisizo za kweli na hasi zisizo za kweli.

Matokeo ya uendeshaji yatajali kama vile usahihi. Resect inapaswa kufichua muda, upitishaji, na kukokotoa matumizi kwa kidhibiti kimewashwa na kuzimwa, pamoja na matriki uoanifu inayofunika miundo ya uzani wazi, vibadala vilivyoboreshwa, rafu za maelekezo zinazopangishwa kibinafsi, na API zilizofungwa.

QUASA inasema kitengo cha biashara hakipatikani kwa upana kama bidhaa iliyokamilika. Chanzo hakitoi mchakato wa ufikiaji, orodha ya wateja, matokeo ya majaribio, tarehe ya kutolewa au bei, ili hizo zisalie kujulikana.

Miongozo & maswali yanayohusiana

Mifano ya AI ImefafanuliwaMaadili ya AIMafunzo ya AIJaribu unachojua - jaribu maswali ya AI bila malipoTafuta istilahi ya AI katika faharasa yetuFuata kifuatilia ufadhili cha AI
Je, umepata hii kuwa muhimu?