很高兴地分享,我们已经筹集了730万美元的种子轮融资! “未来几年,LLM工程将会是什么样子?” Viraj和我去年在问自己这个问题后开始构建TensorZero。 今天,我们正在为工业级LLM应用构建一个开源堆栈。从前沿AI初创公司到上市公司(甚至包括一家最大的欧洲银行),各个团队都在采用TensorZero来推动下一代LLM应用。我们的愿景是自动化大部分LLM工程。我们正在用开源的TensorZero为此奠定基础。 最重要的是,我们非常幸运地有我们杰出的团队成员Aaron(Rust编译器维护者,Svix,AWS),Andrew(哥伦比亚大学博士后,牛津大学博士),和Alan(卡内基梅隆大学博士,JPM AI研究副总裁)加入我们,Shuyang(谷歌LLM基础设施的员工软件工程师,Palantir)和Cole(Cognition/Windsurf,斯坦福大学)也将很快加入。我们也感谢那些做出开源贡献的数十位开发者(我们即将突破1万颗GitHub星标!)。 在下面的博客文章中阅读更多关于我们的历史和愿景:
TensorZero
TensorZero21 小时前
宣布我们筹集了730万美元的种子轮融资! TensorZero 为优化 LLM 应用程序提供数据和学习的飞轮:一个将生产指标和人类反馈转化为更智能、更快速和更便宜的模型和代理的反馈循环。 今天,我们提供一个开源堆栈,用于构建工业级 LLM 应用程序,统一了 LLM 网关、可观察性、优化、评估和实验。您可以根据需要选择,逐步采用,并与其他工具互补。随着时间的推移,这些组件使您能够为您的 LLM 应用程序建立一个原则性的反馈循环。您收集的数据与您的 KPI 相关,跨模型提供商进行端口,并为您的业务积累竞争优势。 我们的愿景是自动化大部分 LLM 工程。我们正在通过开源 TensorZero 为此奠定基础。例如,借助我们的数据模型和端到端工作流程,我们将能够主动建议新的变体(例如,一个新的微调模型),在历史数据上进行回测(例如,使用来自强化学习的多种技术),启用渐进式的实时 A/B 测试,并重复该过程。使用这样的工具,工程师可以专注于更高层次的工作流程——决定哪些数据进出这些模型,如何衡量成功,哪些行为应该激励和抑制,等等——并将低级实现细节留给自动化系统。这是我们对 LLM 工程作为一门学科的未来展望。 最近,TensorZero 在 GitHub 上成为全球一周内的热门仓库(我们即将突破 10k 星)。我们很幸运地得到了来自全球数十位开发者的贡献,看到 TensorZero 已经在前沿 AI 初创公司和大型组织中推动尖端 LLM 产品,包括欧洲最大的银行之一,令人兴奋。 我们很高兴地分享,我们已经筹集了730万美元,以加速 TensorZero 建设一流开源基础设施的努力,服务于 LLM 工程师(我们正在招聘!)。本轮融资由 @FirstMarkCap 领投,参与者包括 @BessemerVP、@bedrock、@DRWTrading、@coalitionvc 和数十位战略天使投资人。
9.22K