Description
Blobfish AI se décrit comme une salle d'entraînement pour agents IA. Au lieu de livrer un produit pour les utilisateurs finaux, il construit des environnements d'entreprise simulés où les modèles IA peuvent pratiquer de véritables flux de travail, tels que l'investigation d'une divergence dans un tableur ou l'action au sein d'un CRM ou ERP fictif, puis recevoir un retour précis sur la manière dont ils ont accompli la tâche correctement.
Lire la suite
Chaque environnement comprend des données fictives réalistes (enregistrements connectés, fichiers et état semblable à un véritable lieu de travail), des outils que l'agent peut appeler via des serveurs MCP fictifs avec une interface en ligne de commande uniforme, des tâches d'entraînement avec une difficulté ajustable, et des vérificateurs déterministes qui vérifient si l'agent a correctement modifié le monde simulé, sans s'appuyer sur un autre modèle IA comme juge.
L'entreprise construit des environnements en prouvant d'abord qu'un flux de travail d'outil fonctionne, en cartographiant comment les outils disponibles peuvent être combinés, en échantillonnant une séquence valide d'appels d'outils avec un résultat connu, puis en rédigeant une demande de tâche réaliste à partir de ce chemin connu, de sorte que la bonne réponse et son vérificateur existent dès le départ. Cela vise à résoudre ce que le fondateur décrit comme le principal goulot d'étranglement dans l'après-formation des agents : les tâches utiles deviennent trop faciles pour un modèle après un cycle de formation, obligeant les équipes à passer des mois à reconstruire des environnements d'outils et des programmes d'études à partir de zéro. L'histoire d'origine du fondateur, tirée de six mois passés à construire des environnements d'après-formation pour un client des services financiers, décrit la cartographie d'environ 30 flux de travail d'experts et la découverte que seulement six étaient réellement utiles pour l'apprentissage par renforcement, se situant à la limite des capacités du modèle : suffisamment difficiles pour exposer des échecs, mais assez possibles pour récompenser les progrès. Blobfish présente son offre comme une boucle continue qui régénère de nouvelles tâches appropriées à mesure que les capacités d'un modèle s'améliorent.
L'entreprise publie également des références, un classement public et des ensembles de données, y compris des références spécifiques à MCP, en plus de son produit de simulation principal. Blobfish AI a pivoté d'un produit antérieur, un composeur de ventes sortantes alimenté par IA ; le site et l'offre actuels sont entièrement axés sur l'infrastructure de formation des agents pour les flux de travail d'entreprise, et non sur l'automatisation des ventes, et sont destinés aux laboratoires d'IA, aux développeurs de modèles et aux équipes d'entreprise plutôt qu'à un public commercial général.
- CatégorieMLOps et déploiement de modèles
- DéploiementCloud
- PlateformesWeb
Fonctionnalités principales de Blobfish AI (blobfish.ai)
Environnements d'entreprise simulés (CRM, ERP, tableurs) pour la formation des agents IA
Serveurs MCP fictifs avec une interface en ligne de commande uniforme pour les agents
Données fictives réalistes : enregistrements connectés, fichiers et état semblable à un lieu de travail
Tâches d'entraînement à difficulté ajustable mappées à la limite des capacités d'un modèle
Vérificateurs déterministes qui vérifient les résultats des tâches sans juge IA
Tâches continuellement régénérées à mesure que les capacités du modèle s'améliorent
Références publiques, classement et ensembles de données, y compris des références spécifiques à MCP
Comment utiliser Blobfish AI (blobfish.ai) ?
Parlez au fondateur : Contactez Blobfish AI directement pour définir un environnement de formation pour votre modèle.
Définissez le flux de travail : Travaillez avec Blobfish pour cartographier un flux de travail d'entreprise (tâche CRM, ERP ou tableur) digne d'être formé.
Générez l'environnement : Blobfish construit les outils fictifs, les données et un chemin de tâche valide pour le flux de travail.
Entraînez le modèle : Exécutez votre agent IA contre les tâches et vérificateurs générés.
Vérifiez le classement : Comparez les résultats avec les références et ensembles de données publics de Blobfish.
Cas d'utilisation de Blobfish AI (blobfish.ai)
- Apprentissage par renforcement des agents
- Rafraîchissement du programme d'après-formation
- Évaluation des capacités des agents
