登录

刚刚,陈丹琦官宣兼职加入Noeri!新公司押注AI自进化


速读:陈丹琦加入。 另一位联合创始人CarlosGuestrin,则是机器学习领域的资深学者和创业者。 模型选择:根据不同任务的难度和成本,选择更合适的模型负责相应环节。
2026年11月17日 07:0

普林斯顿大学计算机科学副教授陈丹琦,加入了一家刚刚亮相的 AI 公司。

今天凌晨, 陈丹琦在社交平台透露,自己两个月前就以兼职身份加入了 Noeri 。她对这支团队的研究方向颇为期待,尤其关注 AI 在科学发现中的应用,希望让每一位科学家都能把 AI 用在自己最棘手的研究问题上。

Noeri 由斯坦福大学计算机科学教授 Yejin Choi 和 Carlos Guestrin 共同创立,专注于开发能够持续学习、自我改进的 AI 系统 。公司希望帮助企业利用自身数据和业务经验,打造专属于自己的 AI,让这些系统在真实工作中不断积累经验、优化能力。

伴随正式亮相, Noeri 还宣布获得 1.1 亿美元融资 ,由 Menlo Ventures 领投,Madrona Venture Group、Kindred Ventures、Wing Venture Capital 和 NEA 参与,NVIDIA、Cisco Investments、Snowflake 等成为战略投资者。

这支团队提出了一个颇有辨识度的理念:Plural Intelligence(复数智能)。在他们看来,未来的 AI 应该由不同规模、不同专长的智能系统共同构成,每个组织和个人都能打造、掌握并持续改进自己的 AI。

陈丹琦加入

Noeri 背后是什么阵容?

这次创业的两位核心人物,在 AI 研究圈都有相当深厚的积累。

Yejin Choi 是斯坦福大学计算机科学教授、斯坦福 HAI 高级研究员。她长期研究常识推理、自然语言处理、大语言模型和 AI 价值对齐等方向,曾任华盛顿大学计算机科学教授、艾伦人工智能研究所(Ai2)高级研究经理,并在 NVIDIA 担任高级研究总监、杰出科学家。2025 年 1 月,她正式加入斯坦福大学。

另一位联合创始人 Carlos Guestrin,则是机器学习领域的资深学者和创业者。

如果接触过机器学习工具,很可能听说过他与 Tianqi Chen 共同创建的 XGBoost。这是一款应用广泛的开源机器学习工具。他还联合创办了机器学习公司 Turi,后者于 2016 年被苹果收购。加入苹果后,Guestrin 担任机器学习与 AI 高级总监,参与推动苹果在西雅图建立 AI 与机器学习研发中心。

如今,两人共同担任 Noeri 的联合 CEO。

陈丹琦的加入,则为团队带来了另一条重要的研究脉络。她目前是普林斯顿大学计算机科学系副教授,共同领导普林斯顿 NLP 研究小组。同时兼顾普林斯顿语言与智能研究计划副主任,该计划致力于开展大型 AI(如 LLM)的基础研究,她还是 RoBERTa 的作者之一。

在自己的推文中,陈丹琦特别提到,能够与长期以来的榜样和朋友 Yejin Choi 一起工作,让她感到非常高兴。

从团队构成来看,Noeri 汇集了自然语言处理、机器学习、强化学习、智能体和科学计算等领域的研究人员,显然希望把学术研究与实际 AI 产品开发放在同一条线上推进。

让 AI 学会改进 AI

Noeri 准备怎么做?

Noeri 给自己的定位很明确: 打造能够持续学习、持续改进的 AI 系统 。

当前,大多数 AI 模型在完成训练后,参数基本固定。模型部署到企业内部,面对新的业务数据和工作流程,往往还需要人工调整提示词、工具调用方式,甚至重新训练模型。

这意味着企业想让 AI 真正适应自己的业务,通常需要投入一支专业的 AI 工程团队。

Noeri 想把这部分工作交给 AI。

根据公司公布的产品介绍,Noeri 会研究企业自身的数据和工作流程,围绕具体任务优化整套 AI 系统。它可以调整的范围包括:

指令与技能:根据实际任务表现,改进 AI 系统使用的指令、技能和执行策略。

工具与编排:调整工具配置和调用方式,优化不同模型与工具之间的协作。

模型选择:根据不同任务的难度和成本,选择更合适的模型负责相应环节。

模型优化:在有必要时,进一步优化模型本身,甚至调整底层参数,让模型更适合企业的具体任务。

每一次改动都会附带解释,并交由人类审核确认。Noeri 将这一过程比作代码审查。

它支持使用闭源模型和开放权重模型,也能够随着新模型的出现进行适配。客户可以保留自己的数据,以及通过系统开发的工作流和模型的所有权,但仍需遵守第三方模型的相关许可协议。

Noeri 希望让 AI 在实际工作中持续积累经验。系统会从企业的数据、工作流程以及任务执行过程中的交互中学习,并据此改进自身能力。

每一次任务中的经验和纠正,都有机会成为下一轮优化的依据。

从产品形态来看,Noeri 更像一名能够持续工作的 AI 工程师。它负责研究现有工作流程、寻找系统中的改进空间,并提出优化方案;每次改动都需要经过人类审核。

复数智能

为什么成为 Noeri 的核心主张?

Noeri 这个名字本身,就藏着创始团队对 AI 未来的一种判断。

公司将其解释为「智能的复数形式」(The Plural of Intelligence)。在 Yejin Choi 和 Carlos Guestrin 发布的愿景文章中,两人描绘了两种不同的 AI 发展路径。

一种是由一家企业开发并掌握一个超级智能,其他企业和个人只能依赖它。另一种则是由大量不同规模、不同能力的 AI 组成生态。每个智能系统围绕特定地域、人群或问题进行专业化调整,由真正了解这些问题的人和组织塑造。他们更倾向于后者。

这背后有一个非常现实的商业问题。

一家企业可能需要 AI 处理财务分析、客户服务、研发设计等不同任务。每项工作对模型的要求都不一样。如果所有任务都交给最昂贵的前沿模型,成本很难控制;如果选择成本较低、能力相对有限的模型,又可能牺牲任务效果。

Noeri 希望通过模型专业化和智能体协作,找到更合适的组合。例如,让一个较小的模型负责调度,根据任务需要调用其他模型和专业工具;随着具体任务经验不断积累,再持续优化相应的模型和工作流程。不同 AI 各司其职,并在实际工作中不断进化。

这种思路也延伸到了科学研究。

陈丹琦在推文中提到,她尤其期待复数智能在科学发现中的应用。对于一位科学家来说,研究问题往往高度专业化,现成的通用模型未必掌握足够的领域知识。

如果 AI 能够围绕某个具体研究问题持续学习,记住过去尝试过哪些方案、取得了什么结果,还能让多个专业化智能体协同工作,共同提出假设、检验方案并完善研究方向,那么科学家就有机会把更多精力放在提出问题和验证发现上。

这也是 Noeri 希望探索的方向。

主题:陈丹琦