為解 AI 代理可靠性瓶頸 Bespoke Labs 募 4 千萬美元建訓練平台

商傳媒｜何映辰／台北報導

AI 代理（AI Agent）技術的發展，正逐步挑戰傳統人工智慧模型的能力邊界。然而，目前 AI 代理在處理長期且複雜的自主任務時，仍面臨可靠性不足的瓶頸。為了解決這項挑戰，新創公司 Bespoke Labs 近期宣布，已透過種子輪與 A 輪融資，共募得 4,000 萬美元（約新台幣 12.9 億元）。該公司計畫利用這筆資金，打造能協助 AI 代理提升穩定性的訓練環境。

根據《Pulse 2.0》報導，Bespoke Labs 執行長 Mahesh Sathiamoorthy 指出，各類組織若要依賴可靠的 AI 代理，就必須能夠存取高品質的訓練環境。他強調，這項關鍵要素對於優化和開發 AI 代理至關重要，也是公司致力於環境研究、基礎設施建構以及實際環境開發的原因。Bespoke Labs 認為，AI 代理需要一個貼近現實的訓練場域，才能在複雜的工作流程中練習、學習，並針對經濟上有意義的任務來衡量其表現。

Bespoke Labs 提供的訓練環境模擬真實公司運作，包括大型程式碼庫、微服務（microservices）、真實日誌、工單系統，甚至包含電子郵件和 Slack 等辦公室協作平台。如此一來，AI 代理便能在這些環境中學習處理跨越長時間的工作流程。該公司也採用 Genetic-Pareto Agent Optimizer（GEPA）等技術，自動化提示（prompt）與策略搜尋，協助企業衡量並改進 AI 代理的效能。

Bespoke Labs 共同創辦人暨科學長 Alex Dimakis 表示，他們透過強化學習（Reinforcement Learning）研究、環境策劃、基準測試和長週期建模等專案，與學術界及開源社群合作，確保訓練環境能與最先進的 AI 代理能力同步發展。Bespoke Labs 也是 AI 代理能力基準測試 Terminal-Bench 的核心貢獻者，並推出開放推理資料集 OpenThoughts，該資料集下載次數已逾 50 萬次。這些研究工作支撐了其環境基礎設施策略，包括資料策劃管線、合成環境生成方法，以及將真實世界基礎設施重現為訓練環境的技術。這筆資金將用於擴大研究團隊、強化其環境建構基礎設施，並加速業務拓展，以協助 AI 前沿實驗室和企業部署長期自主 AI 代理。

Wing Venture Capital 創始合夥人 Peter Wagner 則觀察到，隨著前沿實驗室和 AI 原生企業不斷推動長週期 AI 代理能力的界限，新一代的資料與訓練基礎設施是不可或缺的。他認為 Mahesh Sathiamoorthy 和 Alex Dimakis 深刻理解領先 AI 研究人員的需求，並以獨特的研究驅動基礎，發展 Bespoke Labs 來推進並擴展 AI 代理的尖端技術。