主题内容提要
18 在线观看把某个热点主题按时间线读完，轮廓清楚了，不再只会复读热词。既有生活向冷知识，也有扎实的基础原理拆解，层次还算分明。弱网下文字优先模式很体谅，流量不好时也能读下去。挺适合想系统了解某个问题、又不想正儿八经上课的人。短板不是没有，但优点足够明确，先用着。
2位00后，，，，，卖“专家数据”，，，，，18个月把生意做到数亿美金
更夸大的是，，，，，从公司成立到迈入独角兽行列，，，，，AfterQuery约莫只用了18个月。。。。。。。。YC合资人Gustaf Alstr?mer暗示，，，，，按最新估值推算，，，，，AfterQuery已经成为Y Combinator汗青上从成立到成为独角兽速度最快的公司。。。。。。。。 Spencer Mateega，，，，，23岁，，，，，宾夕法尼亚大学沃顿商学院金融与统计本科、推算机硕士在读；；；；；；；；Carlos Georgescu，，，，，22岁，，，，，就读于加拿大不列颠哥伦比亚大学推算机专业，，，，，后来退学创业。。。。。。。。 两人高中时就意识。。。。。。。。其时，，，，，他们一路参与Google进行的推算机夏令营，，，，，后来又共同做过早期工程项目。。。。。。。。大学期间，，，，，两人始终维持联系，，，，，还一路去Meta实习。。。。。。。。 Mateega一壁参与YC，，，，，一壁硬扛大学最后一个学期的课程和考试。。。。。。。。他后来回顾，，，，，自己险些只花了1%的功夫温习，，，，，成就天然不算梦想。。。。。。。。Georgescu则还剩一年毕业，，，，，最终直接退学。。。。。。。。 最初，，，，，两人想做一个金融AI Agent，，，，，让模型自己实现投资分析。。。。。。。。但产品测试很快露出出一个问题：即便挪用最先进的大模型，，，，，面对真实的金融工作，，，，，模型依然会频仍犯错。。。。。。。。 问题似乎并不齐全出在模型的“智商”上。。。。。。。。模型能够从互联网进建大量知识，，，，，却很难仅靠这些公开信息，，，，，学会一个真正的专业人士是若何实现工作的。。。。。。。。 好比，，，，，一个优良的金融分析师不会只是在最后给出一个正确答案。。。。。。。。他还必要知路应该先查什么、哪些信息值得相信、什么时辰扭转判断、遇到异常怎么办，，，，，以及什么时辰应该终场持续分析。。。。。。。。 这也是AfterQuery和传统数据标注公司的区别，，，，，不仅仅是通知AI“这个答案对，，，，，那个答案错。。。。。。。。”而是纪录一个医生、律师、工程师或金融分析师，，，，，到底是怎么走到这个答案的。。。。。。。。 分歧工作的专家价值也显著高于传统多包标注。。。。。。。。一些工程和金融工作的时薪达到75—150美元，，，，，部门稀缺技术岗位甚至达到150—250美元。。。。。。。。 GDPval并不是单一调查模型“会不会答题”，，，，，而是试图模拟真实职业场景中的工作。。。。。。。。模型最终必要实现的，，，，，不只是给出一句正确答案，，，，，而是处置更靠近真实工作的复杂工作。。。。。。。。这刚好对应AfterQuery的数据价值。。。。。。。。 对于软件Agent来说，，，，，一条有价值的训练数据可能不再是单一的“问题—答案”，，，，，而是一条齐全的工作轨迹，，，，，从索求环境、造订规划、批改文件、运行测试、发现谬误、调试，，，，，再到最终实现工作。。。。。。。。 公司能够基于真实API和开发者工具搭建训练环境，，，，，让模型进建若何挪用工具、处置报错、从异常中复原，，，，，从“让AI知路答案”，，，，，造成“让AI把事件做完”。。。。。。。。 AfterQuery的业务天堑已经不止是卖数据，，，，，而是逐步延长到训练环境、评测基准、后训练以及Agent部署，，，，，它在从一家“数据供给商”造成AI后训练基础设施公司。。。。。。。。 其中，，，，，Scale AI是最早跑出来的巨头。。。。。。。。2016年成立后，，，，，它从自动驾驶数据标注起身，，，，，逐步扩大到天生式AI训练、RLHF、模型评测等业务，，，，，性质上是在做一套齐全的AI数据基础设施。。。。。。。。 Surge AI走的是另一条路线。。。。。。。。它成立于2020年，，，，，持久没有接受表部融资，，，，，却依附高质量数据标注和人类反馈业务，，，，，把收入做到十亿美元级。。。。。。。。 2025年，，，，，路透社报路称，，，，，Surge AI在追求最多10亿美元融资，，，，，指标估值至少150亿美元。。。。。。。。相比Scale的规；；；；；；；；废撸，，，，Surge更强调高质量专家和复杂工作数据。。。。。。。。 Mercor则是从AI招聘切入训练数据。。。。。。。。公司2023年成立，，，，，最初援试祗业用AI招聘法式员，，，，，后来发现自己的真正价值在于“找到并组织专业人士”。。。。。。。。如今，，，，，Mercor已经将专家网络扩大到法式员、律师、医生、金融从业者等领域，，，，，向AI公司提供训练和评测数据。。。。。。。。 2025年10月，，，，，Mercor实现3.5亿美元C轮融资，，，，，估值达到100亿美元；；；；；；；；到2026年，，，，，市场又传出其在追求更高估值。。。。。。。。它卖的已经不只是数据，，，，，而是背后的专家资源。。。。。。。。 Handshake的蹊径则更特殊。。。。。。。。这家成立十多年的大学生招聘平台，，，，，正本和AI训练数据险些没有关系。。。。。。。。2025年，，，，，公司把原有的职业人才网络转化为AI专家网络，，，，，让法式员、钻研人员等专业人士参加模型训练和评测。。。。。。。。 若是把这几家公司放在一路看，，，，，会发现它们其实代表了AI训练数据行业的分歧蹊径：Scale AI靠规模，，，，，Surge AI靠数据质量，，，，，Mercor靠专家网络，，，，，Handshake靠人才资源，，，，，而AfterQuery在进一步向“专家实现复杂工作的过程”深刻。。。。。。。。 从这个角度看，，，，，AfterQuery真正抢夺的已经不只是“数据标注」剽门生意，，，，，而是若何把人类专业人士的经验、判断和工作过程，，，，，转化成AI能够进建、训练和验证的能力。。。。。。。。 据Menlo Ventures合资人颁布的数据，，，，，AI训练数据领域28家创业公司的计算年收入约85亿美元，，，，，总估值靠近1000亿美元。。。。。。。。其中，，，，，Scale AI、Surge AI、Mercor和Handshake四家公司贡献了超过四分之三的行业收入。。。。。。。。 一个顶级法式员若何调试复杂代码，，，，，一个律师若何判断一份资料，，，，，一个医生若何在不齐全的信息下做决策——这些暗藏在真实工作过程中的经验和判断，，，，，才是AI越来越难获得、也越来越愿意付费采办的器材。。。。。。。。 AfterQuery今天的高估值，，，，，并不料味着这门生意已经验证了持久价值。。。。。。。。刚好相反，，，，，它面对的是一个典型的AI基础设施问题：今天最稀缺的数据，，，，，将来会不会变得没那么稀缺？？？？？？？？ 若是将来的基础模型可能越来越好地通过合成数据、自我博弈和AI反馈天生高质量训练样本，，，，，那么人类专家数据的边际价值就可能降落。。。。。。。。 AfterQuery的客户自身就是全球最有能力训练模型的AI公司。。。。。。。。一旦这些公司发现某类专业数据足够沉要，，，，，就可能选择自己成立专家网络、采集系统和评测系统。。。。。。。。供给商的价值，，，，，也可能因而被沉新定价。。。。。。。。 专业数据和算力并不齐全一样。。。。。。。。算力亏损之后能够持续采办，，，，，新的工作也会不休产生；；；；；；；；但一份高质量专家数据一旦被用于训练，，，，，后续还能产生几多增量价值，，，，，取决于工作自身、模型能力，，，，，以及数据是否持续维持新鲜。。。。。。。。
?作者： 王作龙撰 · 更新于 2026-09-07 22:22:33
?动漫女被❌到爽🔞91漫画深朴智能实现数亿元融资
?全网看黄他是一个奥地利程序员，守着一个二十五年的德语老wiki，几乎没人再来。他以为撞上了史上最执着的垃圾广告机器人，就一页一页地删。而明天的这场大战，正是能够让我们对这支重建中的青年军未来的上升空间、对我们球员目前所掌握的战术姿势以及在面对顶尖强敌的时候如何熟练运用这些新武器进行一次全方位检验的试金石。我们在这个夏窗增加了丰富多样的全新战术路线，接下来的战术课题就是看我们在和像米兰这样强大的队伍对抗的时候能交出什么样的答卷。具体的一切答案，我们都留到明天的球场上去见分晓，赛后我们再在这里一起聊聊。
?soul.78comEval丨 我们做了个“你画我猜 Benchmark” ：1350 张图后，，，，，GPT-6 险胜
?公用炉鼎txt精校版txt百度云就这样，霍青莲硬生生扛起了四个孩子的人生。自家的齐时、齐智，曹家的曹信、曹思，四个孩子的读书起居、成长烦恼、人生难题，她一一操心、件件兜底。别人当妈妈只疼自家娃，她却一个人撑起了两个家庭的母爱，温柔又伟大。
?578,cOm在北京时间9月6日结束的沙特联赛第5轮1场焦点战中，卫冕冠军利雅得胜利在客场1-2不敌强敌吉达联合，开局4连胜终结，遭遇赛季首败。
? 记者 邓文水 摄 · 更新于 2026-09-07 22:22:33
