Poindexter Labs sikrer £2 mio. i seed-finansiering for at levere ekspert-træningsdata til frontier-AI

Poindexter Labs kalder denne forældede model for det svage led i AI'ens forsyningskæde og betegner den som en 'ødelagt' pipeline for frontier-AI . Virksomheden fokuserer på at producere, hvad de kalder "høj-fidelitets trænings- og evalueringsdatasæt". Disse datasæt inkorporerer beviser, 'chain-of-thought'-spor, flertrinslogik og detaljerede proceslogfiler inden for fagområder som STEM, jura, medicin, finans og ingeniørvidenskab .

Syncronus: En peer-review-platform i stedet for et samlebånd

Virksomhedens tekniske svar er platformen Syncronus, der erstatter den isolerede annoteringsmodel med en struktureret og samarbejdsorienteret peer-review-proces . I stedet for at en enkelt freelancer løser en opgave alene, bliver problemerne skabt og derefter gennemgået af et nøje udvalgt netværk af olympiadevindere, ph.d.'er og professorer .

En typisk opgave på platformen kunne bestå i at formulere et originalt problem inden for datalogi, der kræver et flertrinsbevis. Løsningen indfanges med fuld procesdokumentation – såsom kladderæsonnementer, trinvise logfiler og ændringer i LaTeX – som efterfølgende vurderes af en anden ekspert for korrekthed og klarhed . Dette skaber et revisionsspor af ekspertkognition, der kan bruges direkte til at finjustere AI-instruktionsmodeller og udvikle pensum for ræsonnement .

Poindexter licenserer Syncronus-platformen til virksomheder og offentlige institutioner, der ønsker at oprette deres egne kuraterede ekspertdatasæt. Derudover driver de en intern dataannoteringstjeneste, der leverer færdige, peer-reviewede datasæt direkte til de førende AI-laboratorier .

Sådan skal pengene bruges

Virksomheden planlægger primært at bruge den nye kapital på at accelerere udviklingen af Syncronus-platformen og skalere sit netværk af bidragsydere . I takt med at efterspørgslen vokser fra AI-laboratorier, der har brug for ræsonnementdata af høj kvalitet til både træning og evaluering, satser virksomheden på, at deres model – der kombinerer platformsteknologi med et elitært menneskeligt netværk – kan blive en afgørende brik i infrastrukturen for næste generation af AI-systemer.