@FinanceYF5: 没有大模型实验室的预算，怎么做出世界级 AI 研究？ Harvey 分享了自己的“Moneyball”打法： 让领域专家指导合成数据，建立法律评测集；同时与多家新型实验室合作，内部完成后训练，并通过模型路由、自动切换和 SLA，为60个国…
摘要
Harvey 分享在预算有限的情况下通过领域专家指导合成数据、建立评测集、与实验室合作及使用模型路由等技术实现世界级 AI 研究的策略。
查看缓存全文
缓存时间: 2026/08/21 19:26
没有大模型实验室的预算，怎么做出世界级 AI 研究？
Harvey 分享了自己的“Moneyball”打法：
让领域专家指导合成数据，建立法律评测集；同时与多家新型实验室合作，内部完成后训练，并通过模型路由、自动切换和 SLA，为60个国家稳定提供服务。
核心不是砸更多钱，而是把有限预算用在最关键的环节。 https://t.co/jol6bLdqx7
相似文章
@FinanceYF5: AI应用层的反击 1/ 大模型公司正在被反向蚕食 Cursor、Decagon、Harvey、Notion都在干同一件事：从API搬到自训模型。 不是为了省钱，是为了拿回飞轮。
AI应用层公司如Cursor、Decagon、Harvey、Notion正从使用大模型API转向自训练模型，这一趋势旨在重新掌控数据飞轮而非仅仅节省成本。
@FinanceYF5：打造机器人领域的“Scale AI”需要什么？Michelle Sun 对比了 9 家大模型与机器人数据供应商……
Michelle Sun 对比了 9 家大模型与机器人数据供应商的营收、毛利率、融资额和估值，探讨机器人数据业务能否达到大模型数据业务的利润率，以及复购与资本消耗问题。
@FinanceYF5: Meta 此举不仅是为了削减成本，更是在围绕AI 基础设施、基础模型和 AI 商业化重塑内部架构。 这意味着公司希望更多人力投入到模型训练系统搭建、模型本身研发，以及将模型转化为收入的产品开发中。
Meta 正围绕 AI 基础设施、基础模型和 AI 商业化重塑内部架构，计划将更多人力投入模型训练系统搭建、模型研发和产品开发，旨在推动 AI 战略落地并提升收入转化。
@Phoenixyin13: 这篇来自Meta FAIR的最新重磅论文，旨在告诉AI行业一句重要的风向标： “大模型数据，正在迎来智能科学家时代。” 在这篇论文里， 一个经过 Autodata 精准洗礼的 4B小模型，在法律推理任务上，不仅碾压了传统合成数据训练出来的…
Meta FAIR最新论文提出Autodata方法，通过智能数据科学家Agent自主生成和优化高质量数据，使4B小模型在法律推理任务上击败397B大模型，预示数据质量可弥补参数量鸿沟，为数据pipeline和scaling提供新思路。
@alacheng：海外前沿小型 AI 实验室 Paper Instruments，团队规模很小，主要专注于……的后训练
文章介绍了海外小型AI实验室Paper Instruments（YC S25批次，融资约400万美元），其专注于大模型后训练与非可验证领域的智能体强化学习，发布了基于GLM-5.3 Flash后训练的Ultramarine 1 Flash模型，宣称在知识工作任务上接近Claude Fable 5的性能，但成本仅约为其六十分之一，后训练总成本约30万美元，采用开源加推理API的商业模式。