Что такое Labelbox?
Labelbox предоставляет инфраструктуру для обучения и оценки ИИ, объединяя платформу Recursion для делегирования задач агентами и сервисы данных для лабораторий. Продукт ориентирован на предприятия и разработчиков фронтир-моделей, предлагая изолированные песочницы с записью всех действий и сертификацией SOC 2 Type II.
Какие особенности у Labelbox?
- RecursionАгенты самостоятельно запускаются по триггерам (алерты, коммиты), работают в фоне над задачами разработки или инфраструктуры и возвращают готовый результат (PR, отчет) через интеграции со Slack и GitHub.
- HorizonПредоставляет среды RL и данные для пост-обучения моделей, включая симуляции бизнес-приложений WorldSim и экспертные предпочтения для оценки качества.
- TerraСобирает робототехнические данные с семи синхронизированных точек обзора, используя специализированные установки и AI-движок для управления разнообразием корпуса данных.
- AlignerrПривлекает более 2,6 млн экспертов из 200+ доменов для создания рубрик, оценок и предпочтений, используемых как обучающий сигнал для фронтир-моделей.
- Безопасная среда выполненияКаждый агент работает в изолированном песочнице с доступом только к необходимым инструментам; модель никогда не видит учетные данные, а все команды фиксируются в логах.
- Автоматическое улучшениеОцененные сессии сохраняют память и навыки, которые используются следующими агентами, что снижает стоимость выполнения повторяющихся задач на 5–10 раз.
Какие случаи использования Labelbox?
- Инженерия ПОАвтоматическое исправление нестабильных тестов, обновление зависимостей и создание PR с проверками при появлении новых версий пакетов или падении CI.
- ML-исследованияПараллельный запуск десятков конфигураций экспериментов, сравнение результатов с базовой линией и подтверждение лучших вариантов повторным запуском.
- Оценка безопасностиАвтоматический анализ пулл-реквестов на уязвимости с воспроизведением проблем и подготовкой протестированных патчей для критических CVE.
Как использовать Labelbox?
- Постановка задачиОпишите работу, триггер запуска и критерии успеха для агента Recursion.
- Настройка окруженияАгент автоматически выбирает модели, создает песочницу и получает доступ к нужным репозиториям через хранилище учетных данных.
- Выполнение и проверкаСистема выполняет работу параллельными агентами, оценивает результат по заданным рубрикам и сохраняет память для будущих запусков.
- Доставка результатаГотовый результат (например, pull request или отчет) отправляется в целевой канал (Slack, GitHub) с приложенными доказательствами и метриками.









