国内NLP创业团队白熊AI首曝光：大模型训练和智能体开发平台齐发

钛媒体App独家获悉，一支来自国内外顶尖NLP实验室的创业团队——白熊AI（ICEBEAR AI），已完成千万级人民币天使轮融资，并正式推出自主研发的Polar Agent智能体开发平台和Arctic Lab大模型训练平台。

据了解，白熊AI专注于大模型开发工具产品的研发，创始团队自国内外顶尖NLP实验室，毕业于清华、哈工大、人大、东京大学等海内外知名高校，整体硕博率超90%，团队成员曾承担过多项国家2030新一代人工智能重大项目，在大型语言模型（LLM）、智能体（Agent）、自然语言处理（NLP）、计算机视觉（CV）等领域有深厚技术积累。

智能体开发平台：10万节点秒级完成

Polar Agent智能体开发平台拥有企业知识库、智能体、智能工作流编排三大功能模块，并内置向量化存储、多路召回、检索增强生成等技术，将大模型智能化能力无缝集成到企业业务流程和日常工作。

白熊AI构建基于RAG技术的企业级知识库功能模块，无需重新训练模型，即可使模型获得最新外部知识，支持文档动态调整和自适应策略，用户可以上传各类文件到知识库，显著提高模型的信息处理效率和准确性，满足企业多样化的业务需求。

据白熊AI团队技术负责人介绍，智能体模块应用引入了白熊AI的反问式构造技术，根据用户需求描述，自动生成智能体，执行繁琐的日常任务，如数据整理、报告生成、客户服务等，可以大幅减少人工操作时间，提高整体工作效率；同时极大降低大模型使用门槛，即使没有任何相关经验的用户也能轻松定制和创建任务智能助手。

该智能体功能模块拥有三大特性：第一，快速构建个人专属智能体：用户可以通过对话式界面构建个人专属智能体助手，无需代码开发，所创建智能体助手能够深度理解用户需求；第二，长期记忆持续优化：具备知识和任务的长期记忆能力，随着用户的频繁使用，可以根据用户习惯持续优化自身行为，越用越智能；第三，多方协作，效率翻倍：支持多个智能体协作，可以共同完成复杂任务，真正实现能效的倍数提升。

白熊AI Polar Agent平台的智能工作流编排模块

除了智能体模块之外，该团队还提供了拖拽式的工作流编排应用模块，同时支持文本、图片、音频、代码等多种任务节点，还可以自动执行重复性任务，减少人为错误。

智能工作流编排引擎支持超复杂智能体开发，10万个节点运行，仅需0.9秒。这得益于白熊AI的智能体计算引擎技术，用户所创建的每一个工作流节点，运行时都能确保为最优路径，极大节约了计算资源，提高了响应速度，这也是白熊AI能够秒级完成的根本原因。

白熊AI创始人&CEO 崔钊玮表示，“工作流编排模块能够将企业内部固化的业务流程自动化，最大限度地减少人工干预，帮助企业员工显著提升任务精准度与效率。这也意味着，随着大模型智能体技术的广泛应用，我们正步入一个智能化的新纪元，未来企业工作场景将是一半员工、一半AI；企业决策和运营的智能化水平也将不断攀升，推动企业向着更高效、更智能的方向发展。”

在团队背景上，白熊AI创始人&CEO 崔钊玮是连续创业者，对数字化产品有深入的理解，曾主导过多项AI项目的设计与开发，拥有丰富的数字化产品经验；白熊AI联合创始人&CTO 赵子天，曾任Corpy&Co.的高级开发工程师，拥有丰富的研发经验和系统工程经验；白熊AI算法科学家肖瑞宇，哈工大SCIR实验室人工智能博士，拥有大模型开发全流程的经验，曾参与和主持多项国家重点研发计划与新一代人工智能重大科研项目。

大模型训练平台：零门槛、一键训练

Arctic Lab大模型训练平台是一款大模型训练与推理的一体化平台，开箱即用，集成算法专家知识与经验，可实现文本标注、模型微调、模型部署、模型测试、模型推理服务的一站式训练流程。

Arctic Lab大模型训练平台采用白熊AI独家并行优化框架，相较于主流框架提高1.5至2倍，大幅缩短模型训练周期。同时Arctic Lab集成了Al自动标注技术，平台支持一站式文本数据标注，可根据不同的使用场景，智能识别数据特征，自动完成标注工作，准备时间降低50%，

训练平台支持全流程的模型微调，用户可以使用标注过的数据集，快速创建模型微调任务，Arctic Lab会根据数据特点，推荐合适的模型结构和超参设置，大幅降低模型开发的门槛。

白熊AI大模型训练平台模型微调任务创建

该平台支持多种模型结构，包括但不限于GLM、Qwen、Baichuan、Llama、Mistral等，确保了企业需求的全面适配。

此外，Arctic Lab大模型训练平台支持多种业界通用的模型评估指标，包括总体准确率（acc）、F1值、召回导向指标（ROUGE）、双语替换评测指标（BLEU）等等，还可以自定义测试数据集和评估标准，全面覆盖文本生成、问答等不同应用场景下的评估需求。企业可以通过简单的配置，快速获取模型在各项指标上的表现，为后续模型优化提供依据。（作者|张帅，编辑|盖虹达）

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！