Auteur original : Daniel Barabander, Conseiller principal et partenaire d'investissement de Variant
Compilation : Zen, PANews
Le 11 avril à Beijing, la startup AI Plastic Labs a annoncé avoir levé 5,35 millions de dollars lors d'un tour de financement Pre-Seed, dirigé par Variant, White Star Capital et Betaworks, avec la participation de Mozilla Ventures, Seed Club Ventures, Greycroft et Differential Ventures. Les investisseurs providentiels incluent Scott Moore, NiMA Asghari et Thomas Howell. Parallèlement, sa plateforme d'identité AI personnalisée "Honcho" est désormais officiellement ouverte à l'accès anticipé.
Étant donné que le projet est encore à un stade précoce, toute la communauté crypto connaît peu de choses sur Plastic Labs. Alors que Plastic a publié les informations sur le financement et les produits susmentionnés via X, le conseiller principal et partenaire d'investissement de son principal investisseur, Variant, Daniel Barabander, a également fourni une analyse approfondie du projet et de sa plateforme Honcho. Voici le contenu original :
Avec l’essor des applications de modèle de langage à grande échelle (LLM), le besoin de personnalisation des logiciels n’a jamais été aussi grand. Ces applications s’appuient sur le langage naturel, qui change en fonction de la personne à qui vous parlez – tout comme lorsque vous expliquez des concepts mathématiques à vos grands-parents, c’est très différent de lorsque vous les expliquez à vos parents ou à vos enfants. Vous adapterez instinctivement votre discours à votre public, et les applications LLM doivent tout aussi bien « comprendre » à qui elles s’adressent pour offrir une expérience plus efficace et plus pertinente. Qu’il s’agisse d’un assistant de guérison, d’un assistant juridique ou d’un compagnon d’achat, ces applications doivent vraiment comprendre l’utilisateur pour être utiles.
Cependant, bien que la personnalisation soit essentielle, il n'existe actuellement aucune solution prête à l'emploi sur le marché pour les applications LLM. Les développeurs doivent souvent construire divers systèmes fragmentés, stockant les données des utilisateurs (généralement sous forme de journaux de conversation) et les récupérant au besoin. En conséquence, chaque équipe doit réinventer la roue et établir elle-même l'infrastructure de gestion de l'état utilisateur. Pire encore, des méthodes telles que le stockage des interactions utilisateurs dans une base de données vectorielle et l'amélioration par récupération (RAG) ne peuvent rappeler que les conversations passées, sans réellement saisir les intérêts profonds, les préférences de communication et la sensibilité au ton des utilisateurs.
Plastic Labs a introduit Honcho, une plateforme plug-and-play qui permet aux développeurs de personnaliser facilement toute application LLM. Les développeurs n'ont plus besoin de partir de zéro pour construire un modèle utilisateur, il leur suffit d'intégrer Honcho pour obtenir immédiatement des profils utilisateurs riches et durables. Ces profils sont plus raffinés que les méthodes traditionnelles, grâce aux techniques avancées empruntées aux sciences cognitives ; de plus, ils prennent en charge les requêtes en langage naturel, permettant à LLM d'ajuster de manière flexible son comportement en fonction des profils utilisateurs.
En simplifiant la complexité de la gestion des états des utilisateurs, Honcho ouvre de nouveaux sommets d'expériences hyper-personnalisées pour les applications LLM. Mais son importance va bien au-delà : les riches profils utilisateurs abstraits générés par Honcho ouvrent également la voie à une "couche de données utilisateurs partagées" qui était difficile à réaliser depuis longtemps.
Historiquement, les raisons principales de l'échec de la couche de partage des données utilisateur sont au nombre de deux :
Manque d'interopérabilité : Les données utilisateur traditionnelles dépendent souvent fortement de scénarios d'application spécifiques, rendant difficile la migration entre les applications. Par exemple, la plateforme sociale X peut modéliser en fonction des personnes que vous suivez, mais ces données n'apportent aucune aide à votre réseau professionnel sur LinkedIn. En revanche, Honcho capture des caractéristiques utilisateur de niveau supérieur et plus générales, pouvant servir sans couture n'importe quelle application LLM. Par exemple, si une application de tutorat découvre que vous apprenez le mieux par analogies, alors votre assistant thérapeutique peut également utiliser cette compréhension pour communiquer plus efficacement avec vous, même si les scénarios sont complètement différents.
Manque de valeur instantanée** :** Les anciennes couches de partage avaient du mal à attirer l'intégration des applications dans les premières étapes, car elles n'apportaient pas de bénéfices substantiels aux précurseurs, qui sont pourtant la clé pour générer des données utilisateur de valeur. Honcho est différent : il résout d'abord le "problème de niveau un" de la gestion de l'état des utilisateurs d'une application unique, et lorsque suffisamment d'applications sont intégrées, les effets de réseau apporteront naturellement la solution au "problème de niveau deux" - les nouvelles applications s'intègrent non seulement pour la personnalisation, mais peuvent également dès le départ tirer parti des profils utilisateurs partagés existants, éliminant ainsi complètement le problème du démarrage à froid.
Actuellement, Honcho a déjà des centaines d'applications sur la liste d'attente pour les tests fermés, couvrant divers scénarios tels que les coachs de désintoxication, les partenaires éducatifs, les assistants de lecture et les outils de commerce électronique. La stratégie de l'équipe est la suivante : se concentrer d'abord sur la résolution du problème central de la gestion de l'état des utilisateurs des applications, puis déployer progressivement une couche de données partagées pour les applications souhaitant participer. Cette couche adoptera des incitations cryptographiques : les applications qui s'engagent tôt obtiendront une part de propriété de cette couche, leur permettant ainsi de partager les dividendes de sa croissance ; en même temps, le mécanisme blockchain garantira également que le système soit décentralisé et fiable, éliminant les inquiétudes concernant la valorisation par des entités centralisées ou le développement de produits concurrents.
Variant croit que l'équipe de Plastic Labs a la capacité de surmonter le défi de la modélisation des utilisateurs dans les logiciels pilotés par LLM. L'équipe a vécu en développant l'application de tutorat personnalisé Bloom le problème selon lequel l'application ne peut véritablement comprendre les étudiants et leurs méthodes d'apprentissage. Honcho est né de cette découverte et s'attaque à la douleur que chaque développeur d'application LLM devra affronter.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Aperçu de la plateforme d'identité AI personnalisée Honcho : comment les applications LLM peuvent-elles offrir une expérience ultra-personnalisée ?
Auteur original : Daniel Barabander, Conseiller principal et partenaire d'investissement de Variant
Compilation : Zen, PANews
Le 11 avril à Beijing, la startup AI Plastic Labs a annoncé avoir levé 5,35 millions de dollars lors d'un tour de financement Pre-Seed, dirigé par Variant, White Star Capital et Betaworks, avec la participation de Mozilla Ventures, Seed Club Ventures, Greycroft et Differential Ventures. Les investisseurs providentiels incluent Scott Moore, NiMA Asghari et Thomas Howell. Parallèlement, sa plateforme d'identité AI personnalisée "Honcho" est désormais officiellement ouverte à l'accès anticipé.
Étant donné que le projet est encore à un stade précoce, toute la communauté crypto connaît peu de choses sur Plastic Labs. Alors que Plastic a publié les informations sur le financement et les produits susmentionnés via X, le conseiller principal et partenaire d'investissement de son principal investisseur, Variant, Daniel Barabander, a également fourni une analyse approfondie du projet et de sa plateforme Honcho. Voici le contenu original :
Avec l’essor des applications de modèle de langage à grande échelle (LLM), le besoin de personnalisation des logiciels n’a jamais été aussi grand. Ces applications s’appuient sur le langage naturel, qui change en fonction de la personne à qui vous parlez – tout comme lorsque vous expliquez des concepts mathématiques à vos grands-parents, c’est très différent de lorsque vous les expliquez à vos parents ou à vos enfants. Vous adapterez instinctivement votre discours à votre public, et les applications LLM doivent tout aussi bien « comprendre » à qui elles s’adressent pour offrir une expérience plus efficace et plus pertinente. Qu’il s’agisse d’un assistant de guérison, d’un assistant juridique ou d’un compagnon d’achat, ces applications doivent vraiment comprendre l’utilisateur pour être utiles.
Cependant, bien que la personnalisation soit essentielle, il n'existe actuellement aucune solution prête à l'emploi sur le marché pour les applications LLM. Les développeurs doivent souvent construire divers systèmes fragmentés, stockant les données des utilisateurs (généralement sous forme de journaux de conversation) et les récupérant au besoin. En conséquence, chaque équipe doit réinventer la roue et établir elle-même l'infrastructure de gestion de l'état utilisateur. Pire encore, des méthodes telles que le stockage des interactions utilisateurs dans une base de données vectorielle et l'amélioration par récupération (RAG) ne peuvent rappeler que les conversations passées, sans réellement saisir les intérêts profonds, les préférences de communication et la sensibilité au ton des utilisateurs.
Plastic Labs a introduit Honcho, une plateforme plug-and-play qui permet aux développeurs de personnaliser facilement toute application LLM. Les développeurs n'ont plus besoin de partir de zéro pour construire un modèle utilisateur, il leur suffit d'intégrer Honcho pour obtenir immédiatement des profils utilisateurs riches et durables. Ces profils sont plus raffinés que les méthodes traditionnelles, grâce aux techniques avancées empruntées aux sciences cognitives ; de plus, ils prennent en charge les requêtes en langage naturel, permettant à LLM d'ajuster de manière flexible son comportement en fonction des profils utilisateurs.
En simplifiant la complexité de la gestion des états des utilisateurs, Honcho ouvre de nouveaux sommets d'expériences hyper-personnalisées pour les applications LLM. Mais son importance va bien au-delà : les riches profils utilisateurs abstraits générés par Honcho ouvrent également la voie à une "couche de données utilisateurs partagées" qui était difficile à réaliser depuis longtemps.
Historiquement, les raisons principales de l'échec de la couche de partage des données utilisateur sont au nombre de deux :
Actuellement, Honcho a déjà des centaines d'applications sur la liste d'attente pour les tests fermés, couvrant divers scénarios tels que les coachs de désintoxication, les partenaires éducatifs, les assistants de lecture et les outils de commerce électronique. La stratégie de l'équipe est la suivante : se concentrer d'abord sur la résolution du problème central de la gestion de l'état des utilisateurs des applications, puis déployer progressivement une couche de données partagées pour les applications souhaitant participer. Cette couche adoptera des incitations cryptographiques : les applications qui s'engagent tôt obtiendront une part de propriété de cette couche, leur permettant ainsi de partager les dividendes de sa croissance ; en même temps, le mécanisme blockchain garantira également que le système soit décentralisé et fiable, éliminant les inquiétudes concernant la valorisation par des entités centralisées ou le développement de produits concurrents.
Variant croit que l'équipe de Plastic Labs a la capacité de surmonter le défi de la modélisation des utilisateurs dans les logiciels pilotés par LLM. L'équipe a vécu en développant l'application de tutorat personnalisé Bloom le problème selon lequel l'application ne peut véritablement comprendre les étudiants et leurs méthodes d'apprentissage. Honcho est né de cette découverte et s'attaque à la douleur que chaque développeur d'application LLM devra affronter.