Trainierbar
Daten und Umgebungen, die echte Lernsignale liefern — nicht nur Testergebnisse.
Frontier-KI-Labor · Angetrieben von Trainingssignalen
Die Grenzen der Intelligenz in der realen Welt erweitern.
Wir machen die Fähigkeiten von KI — und ihr Scheitern — bei komplexen Aufgaben trainierbar, evaluierbar und reproduzierbar.
Über HumanStars
2026 von führenden KI-Forschenden der Tsinghua-Universität und aus dem Silicon Valley gegründet, wird HumanStars.AI von Trainingssignalen angetrieben — wir zeigen, wo die Fähigkeiten von KI enden und wie sie in realen, komplexen Umgebungen scheitert, und schaffen die Grundlagen, mit denen Intelligenz stetig besser wird.
Evaluierbar
Klare Sicht darauf, was ein Agent kann — und was nicht.
Reproduzierbar
Aufgaben und Umgebungen, die sich erneut ausführen, vergleichen und überprüfen lassen.
Mit wem wir arbeiten
Für Teams, die KI voranbringen.
Vom Pretraining bis zum Agent-Deployment liefern wir das Signal, das reale Arbeit in messbaren Modellfortschritt verwandelt.
Anbieter von Foundation Models
Strukturierte Daten in Pretraining-Qualität, die das Verständnis von Modellen für dreidimensionale Räume und Objekte erweitern.
Agent-Produktteams
Trainingsdaten und interaktive Umgebungen aus realen Aufgaben, damit Agents bei echter Arbeit messbar besser werden.
KI-Trainings- und Evaluierungsteams
Reproduzierbare Umgebungen und Benchmarks, die genau zeigen, was ein Agent kann und was nicht.
Zentrale Daten- und Evaluierungs-Assets
Vier Asset-Linien, verankert in realen Aufgaben.
Verankert in realer Arbeit — und verbunden mit Pretraining, besseren Agent-Fähigkeiten und reproduzierbaren Reinforcement-Learning-Umgebungen.
01 — PRETRAINING
Datensatz
3D-Asset-Daten
Strukturierte 3D-Asset-Daten für das Pretraining von Foundation Models, die Modellen helfen, dreidimensionale Räume und Objekte zu verstehen.
02 — CODING AGENT
Datensatz
Terminal Bench 4: Trainingsdaten für Coding-Agents
Trainingsdaten rund um reale Programmieraufgaben im Terminal, die die Ausführungsfähigkeit von Coding-Agents stärken.
03 — CAD · RL
RL-Umgebung
CAD-RL-Umgebung für Industrie- und Architekturdesign
Interaktive CAD-Umgebungen für Reinforcement Learning in Industrie- und Architekturdesign, die Fortschritte auf Benchmarks wie ALE und CADBench unterstützen.
04 — 3D MODELING · RL
RL-Umgebung
RL-Umgebung für 3D-Modellierung in Blender
Reinforcement-Learning-Umgebungen rund um 3D-Modellierungs-Workflows in Blender — für das Training von 3D-Modellierungs-Agents und Fortschritte auf dem ALE-Benchmark.
Unser Ansatz
Von realer Arbeit zum Trainingssignal.
Keine weiteren Rätsel — sondern reale Aufgaben, so erfasst, dass Modelle daraus lernen und Teams sie messen können.
-
01
Reale Arbeit erfassen
Wir starten bei realen Workflows — Programmierung im Terminal, CAD für Industrie und Architektur, 3D-Modellierung in Blender.
-
02
Das Trainingssignal aufbauen
Wir verwandeln diese Aufgaben in strukturierte Daten und interaktive RL-Umgebungen, in denen Modelle trainieren können.
-
03
Messen & verbessern
Reproduzierbare Evaluierung zeigt, was ein Agent kann, wo er scheitert und wie er sich kontinuierlich verbessert.
Unsere Mission
Nicht einfach mehr Fragen — sondern reale Arbeit als Infrastruktur für den Fortschritt der KI.
Wir verwandeln reale Arbeit in trainierbare, evaluierbare und reproduzierbare Daten und Evaluierungs-Assets — damit unsere Partner genau wissen, was ihre Agents können und was nicht und wie sie sich stetig verbessern.
Kontakt aufnehmen
Lassen Sie uns das Signal bauen, das Ihre Modelle voranbringt.
Ob Sie ein Foundation Model trainieren, einen Agent ausliefern oder Evaluierungen aufbauen — wir freuen uns auf das Gespräch.