很高興地分享,我們已經籌集了730萬美元的種子輪融資! “未來幾年,LLM工程將會是什麼樣子?” Viraj和我去年在問自己這個問題後開始構建TensorZero。 今天,我們正在為工業級LLM應用構建一個開源堆棧。從前沿AI初創公司到上市公司(甚至包括一家最大的歐洲銀行),各個團隊都在採用TensorZero來推動下一代LLM應用。我們的願景是自動化大部分LLM工程。我們正在用開源的TensorZero為此奠定基礎。 最重要的是,我們非常幸運地有我們傑出的團隊成員Aaron(Rust編譯器維護者,Svix,AWS),Andrew(哥倫比亞大學博士後,牛津大學博士),和Alan(卡內基梅隆大學博士,JPM AI研究副總裁)加入我們,Shuyang(谷歌LLM基礎設施的員工軟件工程師,Palantir)和Cole(Cognition/Windsurf,斯坦福大學)也將很快加入。我們也感謝那些做出開源貢獻的數十位開發者(我們即將突破1萬顆GitHub星標!)。 在下面的博客文章中閱讀更多關於我們的歷史和願景:
TensorZero
TensorZero18 小時前
宣布我們籌集了730萬美元的種子輪融資! TensorZero 為優化 LLM 應用程序提供數據和學習的飛輪:一個將生產指標和人類反饋轉化為更智能、更快速和更便宜的模型和代理的反饋循環。 今天,我們提供一個開源堆棧,用於構建工業級 LLM 應用程序,統一了 LLM 網關、可觀察性、優化、評估和實驗。您可以根據需要選擇,逐步採用,並與其他工具互補。隨著時間的推移,這些組件使您能夠為您的 LLM 應用程序建立一個原則性的反饋循環。您收集的數據與您的 KPI 相關,跨模型提供商進行端口,並為您的業務積累競爭優勢。 我們的願景是自動化大部分 LLM 工程。我們正在通過開源 TensorZero 為此奠定基礎。例如,借助我們的數據模型和端到端工作流程,我們將能夠主動建議新的變體(例如,一個新的微調模型),在歷史數據上進行回測(例如,使用來自強化學習的多種技術),啟用漸進式的實時 A/B 測試,並重複該過程。使用這樣的工具,工程師可以專注於更高層次的工作流程——決定哪些數據進出這些模型,如何衡量成功,哪些行為應該激勵和抑制,等等——並將低級實現細節留給自動化系統。這是我們對 LLM 工程作為一門學科的未來展望。 最近,TensorZero 在 GitHub 上成為全球一周內的熱門倉庫(我們即將突破 10k 星)。我們很幸運地得到了來自全球數十位開發者的貢獻,看到 TensorZero 已經在前沿 AI 初創公司和大型組織中推動尖端 LLM 產品,包括歐洲最大的銀行之一,令人興奮。 我們很高興地分享,我們已經籌集了730萬美元,以加速 TensorZero 建設一流開源基礎設施的努力,服務於 LLM 工程師(我們正在招聘!)。本輪融資由 @FirstMarkCap 牽頭,參與者包括 @BessemerVP、@bedrock、@DRWTrading、@coalitionvc 和數十位戰略天使投資人。
8.62K