陈丹琦兼职加入Noeri:这家新公司押注AI自我进化
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。
普林斯顿大学计算机科学系副教授陈丹琦,近日出现在一家刚公开亮相的 AI 公司团队里。
今天凌晨她在社交平台发文,说自己两个月前已以兼职身份进入 Noeri。她看好这支团队的研究方向,尤其在意 AI 用于科学发现这件事,希望每位科学家都能把 AI 用到自己最难啃的研究课题上。

Noeri 由斯坦福大学计算机科学教授 Yejin Choi 与 Carlos Guestrin 联手创办,主攻能持续学习、自我改进的 AI 系统。按照公司的设想,企业可以拿自己的数据和业务经验,做出专属自己的 AI,并让这套系统在真实工作中不断积累经验、把能力磨得更好。
正式亮相的同时,Noeri 公布了 1.1 亿美元融资。Menlo Ventures 领投,Madrona Venture Group、Kindred Ventures、Wing Venture Capital 和 NEA 跟投,NVIDIA、Cisco Investments、Snowflake 等则作为战略投资者进入。

团队还抛出一个辨识度很高的提法:Plural Intelligence(复数智能)。他们的判断是,未来的 AI 该由规模不同、专长各异的智能系统拼成,每个组织、每个人都有能力打造、掌握并不断改进属于自己的 AI。

陈丹琦加入
Noeri 背后是什么阵容?
出来创业的这两位核心人物,在 AI 研究圈都攒下了相当厚的底子。
Yejin Choi 是斯坦福大学计算机科学教授、斯坦福 HAI 高级研究员,长期做常识推理、自然语言处理、大语言模型和 AI 价值对齐等方向。她此前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,也在 NVIDIA 做过高级研究总监、杰出科学家。2025 年 1 月,她正式加入斯坦福大学。

联合创始人里的另一位 Carlos Guestrin,既是机器学习领域的老牌学者,也是有过创业经历的实践者。
用过机器学习工具的人,多半听过他和 Tianqi Chen 一起做的 XGBoost——一款用得极广的开源机器学习工具。他还联合创办了机器学习公司 Turi,这家公司在 2016 年被苹果收购。进了苹果之后,Guestrin 出任机器学习与 AI 高级总监,并参与推动苹果在西雅图建起 AI 与机器学习研发中心。

现在,两个人一起担任 Noeri 的联合 CEO。
陈丹琦的加入,给团队补上了另一条重要的研究线索。她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,同时担任普林斯顿语言与智能研究计划副主任——该计划专做大型 AI(如 LLM)的基础研究。她还是 RoBERTa 的作者之一。

陈丹琦在推文里专门写到,能和长期以来的榜样兼朋友 Yejin Choi 共事,她非常高兴。
看团队构成,Noeri 把自然语言处理、机器学习、强化学习、智能体和科学计算等领域的研究人员凑到了一起。意思很明白:学术研究和实际 AI 产品开发,他们要放在同一条线上往前推。
让 AI 学会改进 AI
Noeri 准备怎么做?
Noeri 对自身的定位说得很直白:做能持续学习、持续改进的 AI 系统。
眼下多数 AI 模型训练完成后,参数就基本定住了。等模型部署进企业内部,碰上新的业务数据和工作流程,常常还得靠人调提示词、改工具调用方式,甚至重新训练。
也就是说,企业若想让 AI 真正贴合自己的业务,一般得养一支专业的 AI 工程团队。
Noeri 想做的,是把这块活交给 AI 自己干。
公司公布的产品介绍显示,Noeri 会去研究企业自家的数据和工作流程,再围绕具体任务把整套 AI 系统调到更合适的状态。可调的范围包括:
指令与技能:依据实际任务表现,改进 AI 系统所用的指令、技能和执行策略。
工具与编排:调整工具配置和调用方式,让不同模型与工具之间的协作更顺。
模型选择:按任务难度和成本,挑更合适的模型去负责相应环节。
模型优化:确实有需要时,可以继续打磨模型本身,连底层参数也能调整,目的是让它更贴合企业的具体任务。
每做一处改动,都会配上说明,交由人来审核确认。Noeri 把这道流程类比成代码审查。
闭源模型和开放权重模型都能用,新模型出来以后也能跟着适配。客户的数据仍归自己,系统里开发出的工作流和模型的所有权也归客户,前提是遵守第三方模型的许可协议。
Noeri 想做到的是,让 AI 在真实工作里不断攒经验。企业的数据、工作流程,以及任务执行中的交互,系统都会拿来学习,再据此提升能力。
每次任务里踩过的坑和得到的纠正,都可能变成下一轮优化的依据。
从产品形态看,Noeri 更接近一个能长期干活的 AI 工程师:先摸清现有工作流程,找出系统里还能改的地方,再给出优化方案;每一处改动都要人审核通过。
复数智能
为什么成为 Noeri 的核心主张?
Noeri 这个名字,本身就带着创始团队对 AI 未来的一种判断。
公司的解释是「智能的复数形式」(The Plural of Intelligence)。Yejin Choi 和 Carlos Guestrin 在发布的愿景文章里,写下了两种不同的 AI 发展路径。
一条路是一家企业开发并掌握一个超级智能,别的企业和个人只能依附于它。另一条路是大量规模不同、能力不同的 AI 组成生态,每个智能系统针对特定地域、人群或问题做专业化调整,由真正懂这些问题的人和机构来塑造。两人更看好后一条。
这背后其实有个很现实的商业难题。
一家企业可能既要 AI 做财务分析,又要它管客户服务、做研发设计。每项工作对模型的要求都不一样。全塞给最贵的前沿模型,成本压不住;换成便宜、能力有限的模型,任务效果又可能打折扣。
Noeri 的打算是靠模型专业化和智能体协作,凑出更合适的搭配。比如让一个较小的模型负责调度,看任务需要去调用别的模型和专业工具;具体任务的经验攒得越多,对应的模型和工作流程就持续优化。不同的 AI 各管一摊,在实际干活中不断进化。
这个思路也搬到了科学研究上。
陈丹琦在推文中说,她尤其看好复数智能在科学发现里的用处。对科学家来说,研究问题往往非常专门,现成的通用模型未必有足够的领域知识。
假如 AI 能围绕某个具体研究问题一直学下去,记得以前试过哪些方案、结果如何,还能让多个专业化的智能体配合,一起提假设、验方案、修正研究方向,科学家就能腾出更多精力去提问和验证发现。
这也是 Noeri 想去探的路。
参考链接:
https://www.noeri.ai/
https://x.com/danqi_chen/status/2122430543589413073
https://x.com/YejinChoinka/status/2122379749372907852