Inteligência de modelos
Exploramos arquiteturas e métodos de treinamento que fortalecem o raciocínio, o aprendizado e a generalização. Estudamos como os modelos podem resolver problemas desconhecidos e construir sobre o que já sabem.
Pesquisa
Buscamos avanços em IA para ampliar o que a humanidade pode compreender, criar e alcançar. Nossa ambição é um futuro em que a inteligência não seja mais uma barreira para o progresso e seus benefícios sejam compartilhados por todos.
Foco de pesquisa
Conectamos modelos, agentes e computação eficiente para criar uma IA que raciocina com mais profundidade e age com mais confiabilidade.
Exploramos arquiteturas e métodos de treinamento que fortalecem o raciocínio, o aprendizado e a generalização. Estudamos como os modelos podem resolver problemas desconhecidos e construir sobre o que já sabem.
Desenvolvemos sistemas que transformam compreensão em ação. Nossa pesquisa se concentra em planejamento, memória e autocorreção para que os agentes possam buscar objetivos complexos em horizontes mais longos.
Tornamos possível mais capacidade com menos recursos. Investigamos arquiteturas eficientes, computação de baixa precisão e inferência mais rápida para reduzir o custo de treinar e usar IA avançada.
Pesquisa de longo prazo
Nossa pesquisa de longo prazo investiga como a inteligência pode ajudar a humanidade a ir mais longe.
Exploramos novas arquiteturas, memórias mais ricas e métodos de treinamento que podem ajudar a IA a enfrentar problemas mais difíceis e ampliar o que as pessoas descobrem e criam.
Investigamos pré-treinamento e inferência mais eficientes para que a inteligência avançada seja acessível a mais pessoas.
Modelos da Corepass
Nosso programa de modelos conecta a pesquisa em arquitetura, treinamento e inferência ao que aprendemos com cargas de trabalho reais de agentes. Cada modelo explora um equilíbrio diferente entre capacidade, velocidade e eficiência computacional.
Infraestrutura de pesquisa
Geração automatizada de dados de RL
O Vera transforma tarefas reais em oportunidades de aprendizado: ambientes reproduzíveis, execuções de agentes e verificadores calibrados. Ele automatiza a geração de dados de treinamento e avaliação para aprendizado por reforço, ancorando o progresso em trabalho que pode ser verificado.
Aprendizado por reforço em escala
O Forge é nosso framework de aprendizado por reforço para conectar tarefas, inferência de modelos, recompensas verificadas e treinamento. Estamos desenvolvendo-o para tornar a experimentação mais eficiente e transformar experiência em modelos mais capazes e confiáveis.
Reunimos pesquisadores de modelos, engenheiros de sistemas e criadores de produto para transformar pesquisa em capacidades que as pessoas podem usar.
Junte-se à nossa equipe