Oumi 扩展 Frontier AI Engineer：可构建 AI 智能体并重训其底层模型

企业人工智能平台公司 Oumi PBC 今日扩展了其 Frontier AI Engineer 智能体，使其能够为客户构建 AI 智能体，并重新训练这些智能体所运行的模型。

此次发布针对的是一个在智能体走出演示阶段后往往会浮现的问题。一个表现不佳的智能体，可能源于糟糕的提示词、损坏的工具，或是不够强大的底层模型。

Oumi 表示，企业过去一直试图通过提示词工程和运行框架工程来解决这一问题，因为重新训练模型的权重通常需要前沿 AI 实验室才具备的技能。而这种方法往往在智能体达到足以投入实际工作的可靠程度之前就陷入停滞。

Oumi 的 Frontier AI Engineer 已经能够在其平台上为定制模型设定目标、设计评估并运行训练实验。借助今日的更新，团队可以用自然语言描述希望智能体完成的任务，FAiE 会帮助定义该智能体所需的工具和环境，然后再进入评估和训练环节。智能体投入生产后出现的任何问题，都会被转化为下一轮的评估集和训练数据。

联合创始人兼首席执行官 Manos Koukoumidis 表示，更好的提示词和更大的通用模型只能把智能体带到一定程度。真正成功的智能体将“通过训练驱动它们的模型权重、从自身工作中学习”来不断改进，他说道，并指出失败的任务和用户偏好才是真正重要的信号。

已经在其他地方运行智能体的公司可以将其保留在原处。在 Oumi 称为 Bring Your Own Harness 的功能下，客户的编排、工具和记忆保持原位，并连接到 Oumi 进行评估和模型训练。模型最终会在智能体每天工作的同一环境中完成调优。

Oumi 还在其已支持的监督微调基础上新增了直接偏好优化，使模型能够基于用户更偏好的行为示例进行训练。强化学习则通过 group relative policy optimization 提供，该方法根据任务结果对模型进行评分。多种方法可以在一次多阶段训练运行中串联使用，FAiE 会帮助选择策略、设置奖励，并在过程中诊断问题。

这些训练工作支撑了 Oumi 关于模型所有权的更广泛论点。大多数企业智能体运行在前沿 AI 提供商提供的通用模型上，而这些模型并未针对特定客户的工作进行优化。自今年 3 月推出定制模型商业平台以来，该公司的核心主张一直是：客户完全拥有的专用模型能够以更低的成本完成更好的工作。

Group relative policy optimization 目前以私有预览形式推出，这家西雅图公司正在接受访问申请。Oumi 是一家获得风险投资支持的初创公司，于 2025 年 1 月完成了由 Venrock Management 和 Obvious Management Services 领投的 1000 万美元种子轮融资。创始团队包括来自 Google LLC 旗下 Gemini 团队的前工程负责人。

图片：SiliconANGLE/GPT Image 2.5