监督微调数据集
生成高质量的提示-响应对和思维链示范，用于监督微调，帮助模型在强化学习之前学习任务行为。
AfterQuery
认领AfterQuery 是一家应用研究实验室，为基础模型开发打造训练数据与评估环境，帮助模型团队和企业将专家推理、工具使用与工作流行为转化为数据集。
概述
AfterQuery 是一家专注于为基础模型开发整理数据解决方案的应用研究实验室。其公开定位强调捕捉专家如何思考，并将这些推理、判断和工作流行为转化为模型可学习的训练数据。
公司的产品范围涵盖监督微调数据、强化学习信号、智能体环境、计算机使用轨迹以及面向企业的定制数据集。网站也将这项工作框定为对模型在真实专业场景中失败位置的研究，因此数据集和环境的设计围绕这些失效模式展开，而非通用输出。
核心能力
基于规则和验证器的 RL
将专家编写的规则与自动验证器结合，对推理、代码生成和指令遵循任务中的输出进行评分。
工具调用环境
在 API、MCP 服务器和开发者工具之上构建自定义 RL 环境，让模型在类似工作流的场景中练习工具使用并从错误中恢复。
计算机使用和浏览器使用轨迹
将浏览器和桌面环境与人工示范轨迹配对，用于训练智能体完成多步骤软件任务。
企业数据解决方案
为企业创建定制数据集和咨询项目，包括垂直行业 AI 工作和端到端智能体部署。
领域特定训练覆盖
覆盖专业领域、深度研究、多模态任务、代码生成和损失分析，以针对特定模型短板。
适用场景
基础模型训练
构建基础模型的团队可使用专家示范、偏好信号和带验证器的训练数据来提升推理与指令遵循能力。
企业 AI 项目
企业可以委托定制数据集和垂直行业咨询，以应对领域特定的模型短板和实施挑战。
智能体开发与评估
开发智能体的产品团队可以在 API、MCP、浏览器或桌面环境中训练和评估工具使用、错误恢复和工作流执行。
失效模式研究
研究团队可以通过损失分析和针对模型在专业场景中失效位置的精选数据集，研究模型失效模式。
代码生成改进
工程团队可以使用代码生成数据集和调试轨迹，提升面向生产场景的编码行为和架构推理。
Pros and Cons
Pros
- 在 SFT、RL、RLHF、工具使用、浏览器使用、代码生成、多模态工作和企业数据集方面覆盖广泛。
- 关注专家推理、决策、取舍和工作流行为，而不只是最终输出。
- 同时提供现成数据和面向特定能力缺口组织的定制合作。
- 包含能够反映真实工具、API 和软件工作流的环境与轨迹。
- 发布了关于训练数据、SFT、偏好训练和评估设计的教育性知识库内容。
Cons
- 公开网站未提供包含方案详情的最新定价页面；当前定价 URL 会跳转到未找到页面。
- 网站对功能深度的描述停留在较高层级，但公开页面未展示技术实现细节或集成文档。
FAQ
AfterQuery 是什么？
AfterQuery 的定位是一家为基础模型开发整理数据解决方案的应用研究实验室。其公开资料强调专家示范、偏好信号、环境和评估数据，而不是单一的软件界面。
AfterQuery 提供哪些类型的数据产品？
该网站描述的产品包括用于监督微调、基于规则和验证器的 RL、工具调用 RL 环境、计算机使用和浏览器使用环境、RLHF、代码生成、多模态训练以及面向企业的定制数据集。
AfterQuery 是否面向企业提供服务？
企业页面显示，AfterQuery 可与组织合作，提供定制数据集、垂直行业 AI 咨询、端到端智能体部署，以及模拟或 RL 环境。
定价是否公开列出？
公开网站并未在定价 URL 上列出实时价格表；该页面当前显示的是未找到消息，而不是方案详情。
Quick Facts
- 类别
- AI 训练数据 / 应用研究
- 主要用户
- 基础模型团队和企业
- 产品
- SFT 数据、RL 环境、RLHF、定制数据集、咨询
- 企业重点
- 定制数据集、智能体部署、模拟 / RL 环境
- 来源域名
- afterquery.com
- 定价页面
- 当前显示未找到消息