Entraînable
Des données et des environnements conçus pour produire un signal d’apprentissage — pas seulement un score.
Laboratoire d’IA de pointe · Guidé par le signal d’entraînement
Repousser les frontières de l’intelligence du monde réel.
Nous rendons les capacités de l’IA — et ses échecs — dans les tâches complexes entraînables, évaluables et reproductibles.
À propos de HumanStars
Fondé en 2026 par des chercheurs en IA de premier plan issus de Tsinghua et de la Silicon Valley, HumanStars.AI est guidé par le signal d’entraînement — nous révélons où s’arrêtent les capacités de l’IA et comment elle échoue dans des environnements réels et complexes, et nous bâtissons les fondations qui font progresser l’intelligence.
Évaluable
Une vision claire de ce qu’un agent sait faire — et de ce qu’il ne sait pas faire.
Reproductible
Des tâches et des environnements que l’on peut relancer, comparer et vérifier.
Avec qui nous travaillons
Conçu pour les équipes qui font avancer l’IA.
Du pré-entraînement au déploiement d’agents, nous fournissons le signal qui transforme le travail réel en progrès mesurables pour les modèles.
Développeurs de modèles de fondation
Des données structurées de qualité pré-entraînement, qui étendent la compréhension qu’ont les modèles de l’espace tridimensionnel et des objets.
Équipes produit d’agents IA
Des données d’entraînement et des environnements interactifs issus de tâches réelles, pour des agents qui progressent de façon mesurable sur le travail réel.
Équipes d’entraînement et d’évaluation de l’IA
Des environnements et des benchmarks reproductibles qui montrent précisément ce qu’un agent sait faire et ne sait pas faire.
Données et actifs d’évaluation clés
Quatre lignes d’actifs, ancrées dans des tâches réelles.
Ancrés dans le travail réel — reliant le pré-entraînement, la progression des agents et des environnements d’apprentissage par renforcement reproductibles.
01 — PRETRAINING
Jeu de données
Données d’actifs 3D
Des données d’actifs 3D structurées pour le pré-entraînement des modèles de fondation, qui les aident à comprendre l’espace tridimensionnel et les objets.
02 — CODING AGENT
Jeu de données
Données d’entraînement Terminal Bench 4 pour agents de code
Des données d’entraînement construites autour de véritables tâches de programmation en terminal, pour renforcer la capacité d’exécution des agents de code.
03 — CAD · RL
Environnement RL
Environnement RL CAD pour l’industrie et l’architecture
Des environnements interactifs d’apprentissage par renforcement en CAD pour la conception industrielle et architecturale, qui favorisent les progrès sur des benchmarks tels que ALE et CADBench.
04 — 3D MODELING · RL
Environnement RL
Environnement RL de modélisation 3D sous Blender
Des environnements d’apprentissage par renforcement construits autour des workflows de modélisation 3D sous Blender, pour entraîner des agents de modélisation 3D et progresser sur le benchmark ALE.
Notre méthode
Du travail réel au signal d’entraînement.
Pas plus d’énigmes — des tâches réelles, captées sous une forme dont les modèles peuvent apprendre et que les équipes peuvent mesurer.
-
01
Capter le travail réel
Nous partons de workflows réels — programmation en terminal, CAD industrielle et architecturale, modélisation 3D sous Blender.
-
02
Construire le signal d’entraînement
Nous transformons ces tâches en données structurées et en environnements RL interactifs sur lesquels les modèles peuvent s’entraîner.
-
03
Mesurer et progresser
Une évaluation reproductible montre ce qu’un agent sait faire, où il échoue et comment le faire progresser en continu.
Notre mission
Pas seulement plus de questions — faire du travail réel l’infrastructure du progrès de l’IA.
Nous transformons le travail réel en données et actifs d’évaluation entraînables, évaluables et reproductibles — pour que nos partenaires sachent exactement ce que leurs agents savent faire ou non, et comment les faire progresser.
Nous contacter
Construisons ensemble le signal qui fera progresser vos modèles.
Que vous entraîniez un modèle de fondation, lanciez un agent ou construisiez des évaluations — parlons-en.