Entrenable
Datos y entornos diseñados para generar señal de aprendizaje, no solo puntuaciones de prueba.
Laboratorio de IA de frontera · Señales de entrenamiento
Ampliando la frontera de la inteligencia del mundo real.
Hacemos que las capacidades de la IA —y sus fallos— en tareas complejas sean entrenables, evaluables y reproducibles.
Sobre HumanStars
Fundado en 2026 por destacados investigadores de IA de Tsinghua y Silicon Valley, HumanStars se guía por las señales de entrenamiento: revela dónde terminan las capacidades de la IA y cómo falla en entornos reales y complejos, y construye las bases para que la inteligencia siga mejorando.
Evaluable
Visibilidad clara de lo que un agente puede —y no puede— hacer.
Reproducible
Tareas y entornos que se pueden volver a ejecutar, comparar y verificar.
Con quién trabajamos
Para los equipos que impulsan la IA.
Del preentrenamiento al despliegue de agentes, aportamos la señal que convierte el trabajo real en progreso medible de los modelos.
Empresas de modelos fundacionales
Datos estructurados de calidad de preentrenamiento que amplían lo que los modelos entienden sobre el espacio tridimensional y los objetos.
Equipos de producto de agentes
Datos de entrenamiento y entornos interactivos construidos a partir de tareas reales, para que los agentes mejoren de forma medible en el trabajo real.
Equipos de entrenamiento y evaluación de IA
Entornos y benchmarks reproducibles que muestran con exactitud lo que un agente puede y no puede hacer.
Activos clave de datos y evaluación
Cuatro líneas de activos, basadas en tareas reales.
Anclados en el trabajo real: conectan el preentrenamiento, la mejora de capacidades de los agentes y entornos de aprendizaje por refuerzo reproducibles.
01 — PRETRAINING
Dataset
Datos de activos 3D
Datos estructurados de activos 3D para el preentrenamiento de modelos fundacionales, que ayudan a los modelos a comprender el espacio tridimensional y los objetos.
02 — CODING AGENT
Dataset
Datos de entrenamiento para agentes de programación Terminal Bench 4
Datos de entrenamiento construidos en torno a tareas reales de programación en terminal, diseñados para reforzar la ejecución de los agentes de programación.
03 — CAD · RL
Entorno de RL
Entorno de RL de CAD industrial y arquitectónico
Entornos interactivos de aprendizaje por refuerzo en CAD para diseño industrial y arquitectónico, que impulsan mejoras en benchmarks como ALE y CADBench.
04 — 3D MODELING · RL
Entorno de RL
Entorno de RL de modelado 3D en Blender
Entornos de aprendizaje por refuerzo construidos en torno a flujos de trabajo de modelado 3D en Blender, para entrenar agentes de modelado 3D y mejorar en el benchmark ALE.
Cómo trabajamos
Del trabajo real a la señal de entrenamiento.
No más acertijos: tareas reales, capturadas de forma que los modelos puedan aprender de ellas y los equipos puedan medirlas.
-
01
Capturar el trabajo real
Partimos de flujos de trabajo reales: programación en terminal, CAD industrial y arquitectónico, modelado 3D en Blender.
-
02
Construir la señal de entrenamiento
Convertimos esas tareas en datos estructurados y entornos interactivos de RL con los que los modelos pueden entrenarse.
-
03
Medir y mejorar
Una evaluación reproducible muestra lo que un agente sabe hacer, dónde falla y cómo seguir mejorándolo.
Nuestra misión
No solo más preguntas:
hacer del trabajo real la infraestructura del progreso de la IA.
Convertimos el trabajo real en datos y activos de evaluación entrenables, evaluables y reproducibles, para que nuestros socios sepan exactamente qué pueden y qué no pueden hacer sus agentes, y cómo seguir mejorándolos.
Hablemos
Construyamos la señal que impulse tus modelos.
Ya sea que entrenes un modelo fundacional, lances un agente o construyas evaluaciones, nos encantará conversar.