Autor original: Daniel Barabander, Asesor principal de Variant & Socio inversor
Compilado por: Zen, PANews
El 11 de abril, hora de Pekín, la startup de IA Plastic Labs anunció la finalización de una ronda de financiación Pre-Seed de 5,35 millones de dólares, liderada por Variant, White Star Capital y Betaworks, con la participación de Mozilla Ventures, Seed Club Ventures, Greycroft y Differential Ventures, entre los que se encuentra Scott Moore, NiMA Asghari y Thomas Howell. Al mismo tiempo, su plataforma de identidad de IA personalizada "Honcho" ha abierto oficialmente el acceso anticipado.
Dado que el proyecto aún se encuentra en sus primeras etapas, toda la comunidad cripto sabe muy poco sobre Plastic Labs. Mientras Plastic publica la financiación y las dinámicas de producto mencionadas a través de X, Daniel Barabander, asesor principal y socio inversor de su principal inversor Variant, también ha hecho un análisis profundo sobre el proyecto y su plataforma Honcho. A continuación se presenta el contenido original:
Con el auge de las aplicaciones de modelos de lenguaje a gran escala (LLM), la demanda de personalización en el software ha crecido como nunca antes. Estas aplicaciones dependen del lenguaje natural, que varía según el interlocutor: la forma en que explicas un concepto matemático a tus abuelos es completamente diferente a como lo harías con tus padres o hijos. Instintivamente, ajustas tu expresión según tu audiencia, y las aplicaciones LLM también deben "entender" con quién están conversando para ofrecer una experiencia más efectiva y relevante. Ya sea un asistente terapéutico, un asistente legal o un compañero de compras, estas aplicaciones necesitan comprender verdaderamente al usuario para poder aportar valor.
Sin embargo, aunque la personalización es fundamental, actualmente no hay soluciones disponibles para que las aplicaciones de LLM puedan llamar. Los desarrolladores a menudo tienen que crear sus propios sistemas fragmentados para almacenar los datos de los usuarios, a menudo en forma de registros de sesión, y recuperarlos cuando sea necesario. Como resultado, cada equipo tiene que reinventar la rueda y crear su propia infraestructura de administración de estado de usuario. Para empeorar las cosas, métodos como almacenar las interacciones del usuario en una base de datos vectorial y hacer un aumento de recuperación (RAG) solo pueden recordar conversaciones pasadas, pero no pueden comprender realmente las características profundas de los propios intereses del usuario, las preferencias de comunicación, la sensibilidad al tono, etc.
Plastic Labs ha traído Honcho, una plataforma plug-and-play que permite a los desarrolladores personalizar fácilmente cualquier aplicación LLM. Los desarrolladores ya no necesitan construir modelos de usuario desde cero; simplemente integrando Honcho, pueden obtener de inmediato perfiles de usuario ricos y duraderos. Estos perfiles son más detallados que los métodos tradicionales, gracias a que el equipo ha aprovechado tecnologías avanzadas de la ciencia cognitiva; además, soportan consultas en lenguaje natural, lo que permite que el LLM ajuste su comportamiento de manera flexible según el perfil del usuario.
Al abstraer la complejidad de la gestión del estado del usuario, Honcho ha abierto nuevas alturas de experiencia hiperpersonalizada para aplicaciones LLM. Pero su significado va mucho más allá: los ricos perfiles de usuario abstractos generados por Honcho también allanan el camino para la tan buscada "capa de datos de usuario compartidos".
Históricamente, las razones principales por las que falló la capa de datos compartidos de usuarios son dos:
Falta de interoperabilidad: Los datos de usuarios tradicionales a menudo dependen en gran medida de escenarios de aplicación específicos, lo que dificulta la migración entre aplicaciones. Por ejemplo, la plataforma social X puede modelar en función de las personas que sigues, pero esos datos no son de utilidad alguna para tu red profesional en LinkedIn. Honcho, por otro lado, capta características de usuario más avanzadas y generales, que pueden servir sin problemas a cualquier aplicación de LLM. Por ejemplo, si una aplicación de tutoría descubre que eres más apto para aprender mediante analogías, tu asistente terapéutico también puede utilizar esta información para comunicarse contigo de manera más efectiva, a pesar de que ambos escenarios sean completamente diferentes.
Falta de valor inmediato**:** Las capas de compartición anteriores tuvieron dificultades para atraer la integración de aplicaciones en las primeras etapas, ya que no ofrecían beneficios sustanciales a los pioneros, quienes son clave para generar datos de usuarios valiosos. Honcho es diferente: primero resuelve la "cuestión de primer nivel" de la gestión del estado del usuario de una sola aplicación; una vez que suficiente número de aplicaciones se integran, los efectos de red naturalmente solucionarán la "cuestión de segundo nivel": las nuevas aplicaciones se integran no solo para la personalización, sino que también pueden utilizar desde el principio el perfil de usuario compartido existente, eliminando por completo el dolor de arranque en frío.
Actualmente, Honcho tiene cientos de aplicaciones en la lista de espera para pruebas cerradas, abarcando una variedad de escenarios como entrenadores de adicción, compañeros educativos, asistentes de lectura y herramientas de comercio electrónico. La estrategia del equipo es: primero centrarse en resolver el problema central de la gestión del estado del usuario de las aplicaciones, y luego lanzar gradualmente una capa de datos compartidos para las aplicaciones que estén dispuestas a participar. Esta capa adoptará incentivos criptográficos: las aplicaciones que accedan en una etapa temprana recibirán una participación de propiedad en esta capa, compartiendo así sus dividendos de crecimiento; al mismo tiempo, el mecanismo de blockchain también puede garantizar que el sistema sea descentralizado y confiable, eliminando las preocupaciones sobre que las instituciones centralizadas extraigan valor o desarrollen productos competitivos.
Variant cree que el equipo de Plastic Labs tiene la capacidad de abordar el desafío de modelado de usuarios en software impulsado por LLM. El equipo experimentó de primera mano el problema de que la aplicación no puede comprender realmente a los estudiantes y sus formas de aprendizaje al desarrollar la aplicación de tutoría personalizada Bloom. Honcho nació precisamente de esta percepción, abordando el dolor que cada desarrollador de aplicaciones LLM enfrentará.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
Visión general de la plataforma de identidad AI personalizada Honcho: ¿cómo permiten las aplicaciones de LLM iniciar experiencias hiperpersonalizadas?
Autor original: Daniel Barabander, Asesor principal de Variant & Socio inversor
Compilado por: Zen, PANews
El 11 de abril, hora de Pekín, la startup de IA Plastic Labs anunció la finalización de una ronda de financiación Pre-Seed de 5,35 millones de dólares, liderada por Variant, White Star Capital y Betaworks, con la participación de Mozilla Ventures, Seed Club Ventures, Greycroft y Differential Ventures, entre los que se encuentra Scott Moore, NiMA Asghari y Thomas Howell. Al mismo tiempo, su plataforma de identidad de IA personalizada "Honcho" ha abierto oficialmente el acceso anticipado.
Dado que el proyecto aún se encuentra en sus primeras etapas, toda la comunidad cripto sabe muy poco sobre Plastic Labs. Mientras Plastic publica la financiación y las dinámicas de producto mencionadas a través de X, Daniel Barabander, asesor principal y socio inversor de su principal inversor Variant, también ha hecho un análisis profundo sobre el proyecto y su plataforma Honcho. A continuación se presenta el contenido original:
Con el auge de las aplicaciones de modelos de lenguaje a gran escala (LLM), la demanda de personalización en el software ha crecido como nunca antes. Estas aplicaciones dependen del lenguaje natural, que varía según el interlocutor: la forma en que explicas un concepto matemático a tus abuelos es completamente diferente a como lo harías con tus padres o hijos. Instintivamente, ajustas tu expresión según tu audiencia, y las aplicaciones LLM también deben "entender" con quién están conversando para ofrecer una experiencia más efectiva y relevante. Ya sea un asistente terapéutico, un asistente legal o un compañero de compras, estas aplicaciones necesitan comprender verdaderamente al usuario para poder aportar valor.
Sin embargo, aunque la personalización es fundamental, actualmente no hay soluciones disponibles para que las aplicaciones de LLM puedan llamar. Los desarrolladores a menudo tienen que crear sus propios sistemas fragmentados para almacenar los datos de los usuarios, a menudo en forma de registros de sesión, y recuperarlos cuando sea necesario. Como resultado, cada equipo tiene que reinventar la rueda y crear su propia infraestructura de administración de estado de usuario. Para empeorar las cosas, métodos como almacenar las interacciones del usuario en una base de datos vectorial y hacer un aumento de recuperación (RAG) solo pueden recordar conversaciones pasadas, pero no pueden comprender realmente las características profundas de los propios intereses del usuario, las preferencias de comunicación, la sensibilidad al tono, etc.
Plastic Labs ha traído Honcho, una plataforma plug-and-play que permite a los desarrolladores personalizar fácilmente cualquier aplicación LLM. Los desarrolladores ya no necesitan construir modelos de usuario desde cero; simplemente integrando Honcho, pueden obtener de inmediato perfiles de usuario ricos y duraderos. Estos perfiles son más detallados que los métodos tradicionales, gracias a que el equipo ha aprovechado tecnologías avanzadas de la ciencia cognitiva; además, soportan consultas en lenguaje natural, lo que permite que el LLM ajuste su comportamiento de manera flexible según el perfil del usuario.
Al abstraer la complejidad de la gestión del estado del usuario, Honcho ha abierto nuevas alturas de experiencia hiperpersonalizada para aplicaciones LLM. Pero su significado va mucho más allá: los ricos perfiles de usuario abstractos generados por Honcho también allanan el camino para la tan buscada "capa de datos de usuario compartidos".
Históricamente, las razones principales por las que falló la capa de datos compartidos de usuarios son dos:
Actualmente, Honcho tiene cientos de aplicaciones en la lista de espera para pruebas cerradas, abarcando una variedad de escenarios como entrenadores de adicción, compañeros educativos, asistentes de lectura y herramientas de comercio electrónico. La estrategia del equipo es: primero centrarse en resolver el problema central de la gestión del estado del usuario de las aplicaciones, y luego lanzar gradualmente una capa de datos compartidos para las aplicaciones que estén dispuestas a participar. Esta capa adoptará incentivos criptográficos: las aplicaciones que accedan en una etapa temprana recibirán una participación de propiedad en esta capa, compartiendo así sus dividendos de crecimiento; al mismo tiempo, el mecanismo de blockchain también puede garantizar que el sistema sea descentralizado y confiable, eliminando las preocupaciones sobre que las instituciones centralizadas extraigan valor o desarrollen productos competitivos.
Variant cree que el equipo de Plastic Labs tiene la capacidad de abordar el desafío de modelado de usuarios en software impulsado por LLM. El equipo experimentó de primera mano el problema de que la aplicación no puede comprender realmente a los estudiantes y sus formas de aprendizaje al desarrollar la aplicación de tutoría personalizada Bloom. Honcho nació precisamente de esta percepción, abordando el dolor que cada desarrollador de aplicaciones LLM enfrentará.