Horizon

什么是 Horizon？

Horizon 是 Labelbox 面向后训练与评估的强化学习环境产品，专注于生成软件环境、偏好信号和长时程 AI 任务的评测标准，尤其适用于奖励信号质量至关重要的场景。

该产品面向重要知识工作领域中的推理、工具使用和计算机使用。网站介绍的使用场景包括自主 AI 研究、科学知识工作、智能体编码、多模态工作、结合智能体工具使用的语音交互、计算机使用和网络安全。

Horizon 能做什么？

后训练环境

构建用于后训练和评估的强化学习环境及偏好信号数据集，重点关注校准后的奖励信号和 pass@k 目标。

推理与智能体任务支持

围绕推理、工具使用和计算机使用设计任务，包括需要验证和中间奖励的长时程工作流。

企业工作流仿真

使用类似 WorldSim 的仿真，借助真实的业务数据重建 GitLab、Jira、CRM、电子邮件和聊天等企业环境。

大规模场景生成

设计可配置的场景，以大规模生成多样化任务，包括服务中断、工作流变更和其他长尾情况。

偏好信号标注

捕获智能体轨迹中的偏好标签，将人类判断转化为用于奖励建模的结构化比较。

跨领域覆盖

在自主研究、软件工程、多模态工作、语音智能体、计算机使用和网络安全等知识工作领域中，采用相同的环境与评估方法。

使用场景

“企业工作流仿真”

为企业知识工作创建仿真环境，让智能体在类似 GitLab、Jira、CRM、电子邮件和聊天的系统中练习任务。

“长时程任务的奖励建模”

为需要中间验证而不只是最终答案评分的长时程任务生成奖励信号和评测标准。

“智能体编码与软件工程”

为能够调试、创建 PR 并完成多步骤软件工程工作流的软件智能体构建训练集和评估集。

“网络安全评估”

构建网络安全工作场景，包括带有程序化验证和对抗性边界案例的攻击与防御任务。

“多模态知识工作”

为涵盖文本、图像、图表、文档和结构化数据的知识工作调整环境，使其在单一工作流中协同处理这些内容。

常见问题

Horizon 用于什么？

Labelbox 将 Horizon 定位为用于后训练和评估的强化学习环境与偏好信号基础设施。它面向推理、工具使用、计算机使用、自主研究、科学知识工作、智能体编码和网络安全。

Horizon 如何支持训练和评估？

资料将 Horizon 描述为可大规模生成软件环境的强化学习产品，配备校准后的奖励信号和偏好标签。它强调长时程任务中的场景、验证、难度递进和信用分配。

Horizon 面向哪些用户？

Horizon 面向开展长时程且具有重要经济价值的知识工作的前沿 AI 实验室和团队。示例包括科学知识工作、智能体编码、计算机使用和网络安全。

Horizon 是否有公开定价？

资料未列出 Horizon 的公开定价或套餐详情。主站提供联系入口和“免费开始”的行动号召。