前谷歌顶尖研究员研发出新型 AI 智能体

我探访了 Reflection 位于纽约布鲁克林威廉斯堡区的总部，马路对面就是一家外观豪华的匹克球俱乐部，目的是了解这家公司如何在竞争中率先实现超级智能的蓝图。

公司首席执行官米莎·拉斯金表示，构建超级智能 AI 代理的理想方式是让它们真正掌握编程，因为这是它们与世界互动最简单、最自然的方式。当其他公司正在开发通过人类用户界面浏览网页的代理时，这位曾参与谷歌 DeepMind 双子座项目和代理开发的专家指出，这对大型语言模型而言几乎谈不上自然。拉斯金补充说，教会 AI 理解软件开发也将催生实用得多的编程助手。

拉斯金表示，阿西莫夫的定位是花更多时间阅读代码而非编写代码。"所有人都在聚焦代码生成，"他告诉我，"但如何让代理在团队协作中发挥作用仍是个未解难题。我们正处于这种半自主阶段——代理才刚刚开始投入工作。"

阿西莫夫本质上是由风衣之下数个小型代理组成的协同系统。这些代理通过分工协作来理解代码并回答用户疑问：小型代理负责检索信息，而一个大型推理代理则将这些信息整合成连贯的解答。

Reflection 公司声称，根据某些指标衡量，Asimov 已被认为优于部分领先的 AI 工具。该公司开展的调查显示，从事大型开源项目的开发者提出的问题中，82%的情况下更倾向于选择 Asimov 给出的答案，而 Anthropic 旗下 Claude Code 运行 Sonnet 4 模型的得票率为 63%。

麻省理工学院计算机科学家丹尼尔·杰克逊表示，鉴于 Reflection 信息收集范围更广，其方法似乎前景可期。但他补充说，这种方法的优势仍有待观察，仅凭公司调查不足以让他信服其广泛益处。他指出该方法还可能增加计算成本，并可能引发新的安全问题。"它会读取所有这些私人信息，"他说。

Asimov 部署在客户的虚拟私有云内部，因此所有数据都由客户保留。

在纽约，我见到了这家初创公司的首席技术官约安尼斯·安东诺格鲁。他在训练 AI 模型进行推理和游戏方面的专业知识，正被应用于让模型构建代码和执行其他有用任务。

作为谷歌 DeepMind 的创始工程师之一，安东格鲁在强化学习技术领域做出了开创性研究。这项技术最著名的应用成果是开发出 AlphaGo——该程序通过强化学习掌握了古老围棋游戏，并达到了超越人类水平的棋力。

强化学习通过来训练 AI 模型，近年来备受瞩目，因为它能指导大型语言模型生成更优质的输出。结合人工训练后，强化学习可让 LLM 对查询做出更连贯、更令人满意的回答。经过额外训练，强化学习还能帮助模型掌握某种模拟推理能力——将复杂问题分解为多个步骤，从而更高效地解决。Asimov 目前使用开源模型，但 Reflection 正通过强化学习对定制模型进行后期训练，据称其表现更为优异。

该模型并非学习如何在围棋等游戏中取胜，而是掌握构建完整软件的方法。通过整合企业内更多数据，能为 AI 智能体提供更丰富的信息，最终使其独立产出优质代码。"反思"系统既采用人工标注数据，也自主生成合成数据，但不会使用客户数据作为训练素材。

大型 AI 企业已普遍采用强化学习来优化智能体。例如 OpenAI 开发的深度研究工具 ，就以专家人类的反馈作为强化学习信号，指导智能体在生成详细报告前系统检索网络信息。

"我们实际上构建了类似深度研究的系统，但针对的是工程体系，"安东诺格鲁指出，超越代码范畴的训练能带来优势，"我们发现大型工程团队中，大量知识实际存储在代码库之外。"

红杉资本合伙人斯蒂芬妮·詹评价这家获得投资的新创企业"与前沿实验室实力相当"。红杉资本目前正为 Reflection 项目提供支持。

随着人工智能行业正朝着超级智能的目标迈进，Meta 等资金雄厚的公司投入巨资进行人才招聘和基础设施建设，像 Reflection 这样的初创企业可能会发现竞争变得更加困难。

我询问 Reflection 的领导者们，通往更先进技术的道路究竟会是怎样的。他们认为，一个日益智能的代理最终将成为企业制度和组织知识的"先知"。它应该学会自主构建和修复软件，最终还能自主发明新算法、硬件和产品。

而最迫切的下一步可能没那么宏大。"实际上我们一直在与客户沟通，他们开始询问：我们的技术销售人员或技术支持团队能否使用这个？"拉斯金说道。