AI模型訓練
Halluminate 募得 3,000 萬美元，用金融任務環境補強 AI 代理弱點
結論先講：九人新創 Halluminate 完成 3,000 萬美元 A 輪融資，專門把金融工作拆成 AI 可訓練的環境。其基準測試顯示，七款尖端模型在企業併購盡調任務的最高平均分只有 51%。後訓練的競爭正從資料量，轉向能否重現專業工作的細節。
3,000萬美元
A 輪融資
51%
基準測試最高平均分
4家
五大閉源實驗室中的客戶數
[ 3 個快取重點 ]
01
測試包含 88 項取自私募股權交易的企業併購盡調任務。
02
模型常漏掉修改、用錯方法或引用過時資訊，錯誤再被轉成訓練環境。
03
還沒定案：公司估訓練環境複雜度每 6 至 8 個月需翻倍，能否持續仍待驗證。
01模型卡在哪裡
真實盡調不是一次回答問題，而是在 160 個檔案、信件與會議紀錄間追蹤條件變化。模型失誤多半發生在長流程的一致性。
02 後訓練流程
基準測試
找出模型在金融任務的弱點
環境建構
把常見錯誤變成強化學習任務
持續迭代
環境複雜度需隨模型提升
最後一項是公司提出的成長假設。
02專業環境成為新基建
當代理任務從數小時拉長到數天，評測必須模擬工作上下文，而不是只測單題正確率。這也讓產業知識本身成為可出售的訓練資產。
Bottom line
代理能否進入高風險工作，取決於訓練環境有多像真實世界，而不只取決於模型有多大。
- 原始報導
- 科技新報
- 改寫方式
- 快取新聞不轉載原文。我們讀完原始報導後，用自己的話重寫成結論、三個重點與一張圖。數字均取自上列來源，未經我們獨立查證。
- 單位
- 「pt」為百分點，指兩個百分比的差，不是成長率。標示「預估」或斜線紋樣者為推估值，非已實現數字。
更正紀錄本篇尚無更正。若你發現錯誤，寫信到 corrections@cachenews.tw，我們會在文末公開記錄更正內容與時間。