GLM

红杉「Own Your Intelligence」系列专题 4：Harvey 如何低成本搭建研究实验室

2026年8月13日 · 27:36

在红杉资本「Own Your Intelligence」系列分享中，法律AI独角兽Harvey联合创始人兼总裁Gabe Pereyra讲解了应用层公司如何在预算内搭建研究实验室：不与前沿实验室拼资金和算力，而是借力前沿生态（Frontier Ecosystem）竞争。面对律所客户极苛刻的保密要求，Harvey无法在真实客户数据上训练，于是让精通AI的顶尖律师——包括Gabe的弟弟Julio——以类似Vibe Coding的方式指导大模型，生成数千万Token级的高保真合成数据，并开源了LegalAgent Bench、合同数据集和尽调数据集，其中最大数据室含8000万Token，尽调集含超1000个用LLM做评委的单元测试。在后训练上，Harvey与Fireworks、Base 10、Trajectory等多家NeoLabs合作，把Kimi 3、GLM等开源基座模型后训练到特定任务可用的前沿水平，并主张在考虑后训练之前就建好覆盖60个国家的评测、监控与模型路由基础设施，让自研、开源、闭源模型走同一套生产流程。他还指出垂直产品的重心正从"赋能个人"转向"组织级AI生产力"，帮助律所协调成千上万个客户项目、20到30人的跨所团队与资源分配。Gabe以《点球成金》作结：应用层若用有限预算靠这套打法获胜，就改变了游戏。

红杉「Own Your Intelligence」系列专题 3：Mercor-在强化学习环境里究竟有什么

2026年8月13日 · 23:02

红杉资本「Own Your Intelligence」系列专题第三期由 Mercor CEO Brendan Foody 拆解强化学习（RL）环境的底层细节，核心观点是：RL 环境由三要素构成——业务上下文（世界）、热门软件的高保真克隆（应用）、提示词与专家评分（任务与验证器），而人类专家在衡量模型能力前沿上不可替代。Foody 回顾数据市场从 2020 年低技能众包行为克隆到 2024 年智能体数据的转型，Mercor 借 Deep Research 项目成为 Harvey、Cognition、RAMP 等头部实验室与应用公司最主要的智能体数据供应商。他以法律场景为例说明环境构建：顶尖律所律师撰写真实项目大纲，填入数据室并渲染进 Google Workspace 克隆，再生成轨迹与评分细则，防止模型「奖励黑客」作弊。在 Apex Agents 的 1800 个任务上以约 50 万美元算力对 GLM47 做后训练，公司法成绩从 4.7% 升至 26.6%，且能泛化到其他基准。他介绍三种数据合作模式：按任务定制（每任务最高 2000 美元）、现成数据集与按小时提供专家，定价区间从 50 美元到 1 万美元。他预测评测将走向百小时级超长视野任务与虚拟同事的社交协作能力，因为工作中约 60%-70% 的任务需要人际互动，而现有评测仅约 1% 考察这一点。