Resect AI获2500万美元融资，押注开源“反幻觉”工具与模型内部可观测性
· 来源：siliconangle.com
这家西雅图AI研究创业公司称将以运行时检测、审计和干预工具降低大模型幻觉，但其开源工具链及独立评测证据仍有待进一步验证。
9月4日，西雅图人工智能研究创业公司Resect AI宣布完成2500万美元早期融资，计划建立面向企业AI的“问责层”，在模型运行时捕捉并减少幻觉。公司认为，随着企业将大模型用于智能体和业务流程，单纯以“使用风险自负”提示难以满足治理与合规要求，结果的真实性、可追溯性和可审计性正成为部署门槛。
所谓幻觉，通常是指模型在缺少可靠依据时生成虚假或捏造内容，却以较高置信度呈现。Resect AI首席执行官Kevin Owens表示，模型因基于模式预测而非传统意义上的“记忆”运行，数据缺口或信息不足时容易猜测；而后训练中对“乐于助人”的偏好，也可能使模型少说“我不知道”、多给出看似确定但错误的回答。
Resect的技术路线并非仅训练一个事实性更高的新模型。公司称，团队最初为控制训练数据、训练流程、行为和强化训练而自建模型，随后发现相关方法可应用于DeepSeek、Qwen和Llama等既有开放模型。因此，其重点转向一套深入模型架构的工具：观察模型内部行为、识别可能出错的时点和原因，并在幻觉发生前拦截或重定向输出。公司计划将这类能力整合为企业审计产品NeuroWave Product Suite，并将其比作神经网络的“测谎仪”。
目前，Resect在Hugging Face上提供两款基于Qwen3架构的模型，包括6亿参数的Veritas事实核查模型和一款80亿参数模型；两者均被描述为非思维型模型，不含底层链式思维层。按照其模型卡披露，6亿参数版本在LLM-AggreFact评测上的综合成绩为72.3%，较Qwen3提高7.4个百分点。该结果属于公司披露的特定基准比较，尚不能直接等同于复杂企业工作流中的实际可靠性，也未显示第三方独立复现情况。
公司还链接了一个拟提供开源工具的GitHub仓库，但报道发布时该仓库尚未充实。与既有护栏产品主要通过提示词约束、检索增强、内容过滤、外部事实核验或调用链监控来降低风险相比，Resect宣称的差异在于尝试观察并干预模型内部表征。不过，这一路线能否跨模型稳定奏效、如何避免误拦截，以及是否能在延迟、成本和隐私限制下满足企业生产要求，仍需公开代码、更多基准及真实客户案例验证。
Resect未披露投资方名称，仅表示资金来自私募股权投资者。公司称，融资将用于研发、市场推广，以及在西雅图和波特兰地区招聘人才。若其方案得到验证，大模型可靠性竞争或将不再只围绕模型参数与榜单能力，也会进一步转向运行时可观测、风险控制和结果审计等工程基础设施。
—— 综合整理自：SiliconANGLE