智能体训练
从任务执行，
到训练反馈。
通过模拟训练流程，展示任务采样、工具调用、结果验证与模型更新之间的联系。
智能体强化学习 / GRPO · 伪代码
奖励得分0.24
任务通过238 / 1,024
准备就绪 · 等待采样
Neoteric Lab / 面向下一代
Super
Intelligent
Intelligence for the Next Generation
探索智能的边界，也拓宽参与的边界。
从初阶实践者的人工智能学习，到大模型定制与应用落地，
让技术走进真实世界。
+从好奇心开始，向真实世界延伸。
好奇心是起点/实践让想法发生/从真实问题出发/共同构建未来
01 / 我们的愿景
技术的意义，在于人的可能。- 理解智能让理解人工智能的机会，向更多人开放。
- 亲手实践在构建、试验与反馈中，积累创造的能力。
- 参与创造从技术的使用者，成为下一代智能的创造者。
人工智能的未来，
应该有更多人的参与。
我们相信，下一代应该有机会理解人工智能、使用它，并参与创造。Neoteric Lab 以初阶实践者的学习机会为起点，希望让技术探索不止于少数人的实验室。
从知识到实践，从模型到应用，我们关注每一个把想法变成现实的环节。
02 / 研究与实践
从模型定制，
到真实世界的智能。
贯穿基础设施、训练、评测与部署，
让研究与应用在持续迭代中相互推动。
研究主题
从任务执行，
前沿研究
探索自我改进的智能系统。
围绕递归自我改进，研究智能体如何提出实验、验证结果，并改进模型、工具与学习流程。
以可验证的进步，推进下一轮探索。智能基础设施
人工智能基础设施
围绕训练与推理工作负载，规划图形处理器算力、集群与资源调度，连接算力租赁、数据管线和实验管理。
算力 · 数据 · 资源调度
探索 NeoteriCloud · 服务器租赁与模型 API 模型全生命周期
大模型定制与应用落地
从预训练、持续预训练，到后训练与能力对齐，贯穿数据构建、模型适配、推理优化与部署，连接领域应用和智能体工作流。
预训练 · 后训练 · 部署
强化学习
强化学习与环境工程
面向推理、工具使用与多步任务，构建可交互环境、奖励机制与验证器，让模型在执行、反馈与训练中迭代。
强化学习 · 交互环境 · 智能体训练
评测与竞技
评测体系与模型竞技
定制领域评测基准、任务集与评判协议，通过盲测、成对比较与模型竞技，衡量能力、成本和延迟，为模型选型与迭代提供依据。
定制基准 · 能力评测 · 模型竞技
03 / 从想法到实践
让好奇心，
走进真实世界。
无论是初阶实践者、探索模型的开发者，
还是寻找人工智能应用方向的团队，
我们期待与更多同行者，一起拓展可能。
01
定义问题与评测
从真实场景出发，明确任务、数据与能力边界，建立可验证的目标。
02
构建模型与环境
协同推进模型训练、环境构建与实验评测，让能力围绕目标持续演进。
03
部署与持续迭代
将模型接入应用与智能体工作流，以运行反馈和回归评测驱动下一轮优化。
3.96B总参数量
0.66B每次激活参数量
4B 系列 · 混合专家架构
持续预训练 / 实验性微调 / 1B 基础模型
一起探索下一个可能
下一个可能，
从一次交流开始。
模型定制、评测共建、人工智能教育，或一个新的研究问题。
欢迎与 Neoteric Lab 聊聊。