Pace
PulseAugur coverage of Pace — every cluster mentioning Pace across labs, papers, and developer communities, ranked by signal.
- 2026-05-27 funding NYC-based Pace, an AI company automating insurance operations, raised $46 million in Series B funding led by Thrive and Sequoia at a $375 million valuation. 来源
- 2026-05-27 funding Pace raised $46 million in Series B funding co-led by Thrive Capital and Sequoia Capital, valuing the company at $375 million. 来源
- 2026-05-25 research_milestone A new research paper introduces the PACE framework for self-evolving small language model agents. 来源
1 天有情绪数据
-
SkillAudit 框架在无真实情况反馈下演进 LLM 代理技能
研究人员开发了 SkillAudit，一个新颖的框架，旨在无需真实情况反馈即可演进 LLM 的代理技能。该方法利用配对轨迹审计，即在有和没有候选技能的情况下执行任务，以隔离行为变化。然后，过程对齐对比评估 (PACE) 将这些差异转化为技能文档的可操作编辑。SkillAudit 证明了显著的性能提升，在 89 个任务中实现了 73.9% 的平均任务奖励，优于具有和不具有静态专家技能的代理。
-
开源PACE工具通过并行LLM批处理自动化内容分析
一个名为PACE的开源Streamlit应用程序已被开发出来，用于自动化分析各种类型的内容，包括研究论文、视频和文章。该管道从五个来源摄取内容，进行清理和分块，然后使用并行LLM批处理生成一个结构化的10部分报告。这种并行处理通过将各部分分组为三个并发批次，显著减少了分析时间，性能提升约60%。该系统在设计时考虑了模块化和安全性，支持与OpenAI兼容的API，并包含防止服务器端请求伪造漏洞的措施。
-
新的机器学习方法通过交互和几何来模拟细胞轨迹
两篇新的研究论文介绍了用于从单细胞RNA测序数据推断细胞发育轨迹的先进机器学习技术。CellBRIDGE 使用感知交互的对齐来模拟配体-受体信号传导，从而改进轨迹估计并实现计算机模拟扰动。PACE 采用几何感知的桥接传输，构建黎曼度量来精炼跨时间的细胞耦合，并将动力学提炼成连续时间速度场，在各种数据集上优于现有方法。
-
AI公司Pace以3.75亿美元估值完成4600万美元B轮融资
专注于自动化保险运营的AI公司Pace，已获得由Thrive和Sequoia领投的4600万美元B轮融资，估值达到3.75亿美元。本轮融资凸显了AI领域的重大活动，包括Robinhood使用AI代理推出的新自主交易功能，以及内存芯片制造商Micron和SK Hynix因AI需求达到的主要市值里程碑。此外，Cognition AI以260亿美元的估值筹集了10亿美元，ElevenLabs发布了其Music v2模型。
-
AI 保险自动化公司 Pace 以 3.75 亿美元估值融资 4600 万美元
Pace 是一家专注于自动化保险后台任务的 AI 初创公司，已获得 4600 万美元 B 轮融资。该公司利用能够与遗留系统交互的 AI 代理，以高精度处理保险索赔。此轮融资由 Thrive Capital 和 Sequoia Capital 共同领投，使 Pace 的估值达到 3.75 亿美元，凸显了 AI 在技术基础设施复杂且过时的行业中的日益普及。
-
PACE框架使小型语言模型能够自进化
研究人员开发了PACE，一种新颖的框架，使小型语言模型（SLM）智能体能够在无需模型权重更新或访问前沿模型的情况下进行自进化。这种双时间尺度方法将提示优化与控制逻辑更新分开，从而在资源受限的情况下实现更强大、更高效的智能体开发。在对各种SLM骨干模型和基准的评估中，PACE展示了比现有方法显著的性能提升，为在生产环境中部署有能力的SLM智能体提供了一条可行的途径。
-
PACE框架通过几何感知传输增强单细胞轨迹推断
研究人员开发了PACE，一种用于单细胞轨迹推断的新框架，该框架解决了从时间序列快照重建细胞动力学固有的不适定性问题。PACE通过构建各向异性黎曼度量来利用几何感知方法，以更好地对齐不同实验时间点的细胞，并考虑异步发育。该方法改进了跨时间耦合，并在快照之间拟合神经桥，最终将这些动力学提炼成连续时间速度场。在多个数据集上的评估表明，与现有方法相比，PACE具有更优越的重建性能和改进的RNA速度对齐。
-
SpecTM: 谱面目标掩码，用于可信赖的基础模型
研究人员开发了SpecTM，一种用于地球观测基础模型的新型物理信息掩码技术。该方法通过强制执行物理约束来增强可信赖性，特别是对于在公共卫生领域至关重要的预测模型。SpecTM集成了自监督学习框架，共同优化波段重建、生物光学指数推理和时间预测，在利用NASA PACE高光谱图像进行微囊藻毒素浓度回归方面取得了显著改进。
-
PiCSRL方法增强了高维数据的自适应感知能力
研究人员开发了PiCSRL，一种新颖的物理信息上下文谱强化学习方法，旨在提高高维、小样本环境下的自适应感知能力。该方法将领域知识和物理信息特征整合到强化学习的状态表示中，提高了预测准确性和样本效率。在利用NASA PACE高光谱图像进行的蓝藻基因浓度自适应采样任务中，PiCSRL表现出优越的性能，在最优站点选择和水华检测方面优于现有基线。
-
新研究探索集成模型以提高人工智能性能和鲁棒性
两篇新研究论文介绍了改进机器学习集成模型的新方法。第一篇PACE结合了剪枝和压缩技术，创建了更高效、更具可解释性的集成模型，性能优于现有方法。第二篇扰动与修正（Perturb-and-Correct, P&C）使用单个预训练网络的后验扰动来生成预测器，这些预测器在校准数据上保持一致，但在其他方面有所不同。P&C展示了在分布内和分布外性能之间的有力权衡。
-
PACE 方法通过评估参数变更来提高强化学习的泛化能力
研究人员推出了一种新颖的无监督环境设计（UED）方法 PACE，旨在增强强化学习的泛化能力。PACE 通过评估训练过程中诱导的策略参数变更来直接衡量环境的价值，比现有的代理信号更能准确地反映学习进展。该方法利用策略优化目标的泰勒一阶近似，根据参数更新的平方 L2 范数来评估环境，从而无需额外的计算步骤即可进行高效且低方差的评估。在 MiniGrid 和 Craftax 上的实验表明，PACE 的性能优于当前的 UED 基线，在分布外评…
-
PACE模型将激光雷达点云压缩延迟降低90%
研究人员推出PACE，一个旨在显著提高自动驾驶系统激光雷达点云压缩效率并降低延迟的新型框架。PACE通过将上下文聚合重新构建为非因果骨干，将因果关系限制在轻量级预测器中，从而解决了现有瓶颈。这种方法允许在不重新加载参数的情况下进行自适应性能-延迟权衡，并已展示出最先进的压缩效率，解码延迟降低超过90%。
-
AI模型ViTCG通过降低62%的误差来增强卫星AOD估算
研究人员开发了ViTCG，一种用于从卫星数据估算气溶胶光学厚度（AOD）的新型Vision Transformer模型。该新框架利用高光谱图像的空间和光谱信息，性能优于现有的基础模型。研究表明，AOD反演的均方误差显著降低了62%，从而获得了更具空间一致性的结果。
-
Pace 将可穿戴设备连接到 Claude AI，提供个性化健康见解
Pace 是一款新的应用程序，可将用户的可穿戴设备数据连接到 Anthropic 的 Claude AI。通过这种集成，用户可以就其健康和健身指标提出自然语言问题，获得超越原始数据的个性化见解。该服务旨在弥合收集到的数据与可操作的理解之间的差距，并计划推出一款配套应用程序来可视化趋势和比较。
-
与Pace合作：让工作轻松无负担
红杉资本正在领投对Pace的A轮投资，Pace是一家开发人工智能代理的公司，旨在自动化受监管行业中复杂的知识性工作。Pace的代理可以阅读标准操作程序，处理冗长文档，并与后台系统交互，以处理保险索赔和保单管理等任务。该公司致力于通过关注可靠性、准确性以及与现有企业工作流程的集成，来弥合人工智能模型演示与实际生产部署之间的差距。
-
AI 代理通过新的 RAG、模拟和合规性工具取得进展
研究人员正在开发先进的代理框架，以提高各种领域的 AI 可靠性和效率。Google 推出了 agentic RAG 系统，通过迭代搜索完整上下文来增强企业查询处理能力，准确率最高可提高 34%。Hugging Face 使用一个小型 3B 模型演示了多代理经济模拟，突显了模型大小与实时性能之间的权衡。其他研究探索了可靠的工具使用方法、通过代理间协议实现的监管合规性、代理行为的动态基准测试以及 AI 代理的稳健自我演化机制。