FIELD NOTES 首页 / Latent Space
Latent Space播出 2026.11.0650:3728 章约 24 分钟读完整理于 2026.11.07

与 Reducto CEO 一起下厨:为什么 PDF 仍然会难倒 AI|Adit Abraham

本期从一条引发争议的牛排推文聊起,Adit Abraham 回顾团队从长期记忆产品转向文档处理的经历,并解释 PDF 的视觉结构为何让 AI 难以可靠读取。对话涵盖复杂表格、模型路由、自研模型与前沿模型的取舍、独立基准、持续评测、引用与人工复核,以及每月处理十亿页时准确率和成本的权衡。两人还谈到 AI 智能体如何改变内部工作和招聘、创业团队扩张、数据飞轮、联合创始人关系,以及从读取文档迈向合同修订和表单编辑的机会。最后,他们一边组装牛排、布拉塔奶酪、烤桃子和阿根廷青酱三明治,一边回应“牛排切片会有三片”的玩笑指控。

01 0:03 49 字

冷开场

Adit Abraham

我以前从没用叉子煎过牛排。Arthur要是看到这段,抱歉把你架到台前了。我们能回应一下那些批评吗?

02 0:15 277 字

认识 Adit Abraham:那条爆红的牛排推文

Allen Park

大家好,欢迎来到 Latent Space Cooking。我们会请创业者和研究者来下厨。今天的特别嘉宾是 Reducto 联合创始人兼 CEO Adit,欢迎你。

Adit Abraham

谢谢邀请。

Allen Park

当然!我们是因为一条爆红的推文,经 Adele 牵线认识的。你当时发的那块牛排,我觉得看起来特别棒。

Adit Abraham

我觉得它简直太棒了。

Allen Park

可大家却疯狂嘲讽你,对吧?是这么回事吗?

Adit Abraham

对,有人提出了一些指控,今天我们会回应。

Allen Park

好,今天我们就来扳回一城。那开始吧,今天做牛排,还会做阿根廷青酱(chimichurri)。把欧芹递给我,我们来切吧。开始之前我还挺好奇:你最初……

Adit Abraham

好啊。在开始之前,我也想问问……

03 0:58 280 字

从 Remembrall 到 Reducto:YC 与转型

Allen Park

你当初带着一家叫 Remembrall 的公司加入 YC,对吗?现在公司叫 Reducto。名字和《哈利·波特》有什么关系吗?

Adit Abraham

这问题我们经常听到。

Allen Park

好吧。

Adit Abraham

其实我们加入 YC 那天就知道要从 Remembrall 转型了。我们当时告诉 Diana:“嘿,我们觉得这不是接下来要做的方向。”不过具体要转去做什么,我们还没想好。只有个大致想法:给开发者做些神奇的工具。我们在群聊里发起投票,列出可用的名字和对应域名……

Allen Park

这个名字……

Adit Abraham

里面有些名字简直糟透了。

Allen Park

是啊。不过想想看,变化真不小:那时候做的是长期记忆,或者说给智能体用的记忆;现在你们做的却是文档解析或处理。

Adit Abraham

没错。

04 1:57 429 字

为什么 PDF 仍然难倒 AI

Allen Park

为了让听众了解背景,能不能梳理一下问题的核心,再讲讲从 OCR、智能文档处理(IDP)到今天视觉语言模型和智能体的发展?

Adit Abraham

做 PDF 处理的公司已经有几十年了。我遇到过一位从事 PDF 处理的工程师,他做这行的时间比我活着的时间还长——真的,他参与过最早让打印机能够打印 PDF 的驱动程序。

如今人们处理文档的场景显然很不一样。文档是横向通用格式,很多人用它来归档信息;企业里也会用一套统一的数据。如果要让模型承担大量人类工作,那么它读文档的准确度就必须达到人类水平。

难点在于,PDF 这种文件格式最初是为了让打印机忠实还原原稿而设计的,并不是为了让智能体来阅读。于是我们一头扎进这个问题:怎样才能像人一样读懂这些文档?这其实是个非常难的视觉问题。

Allen Park

对。

Adit Abraham

我们常把它比作自动驾驶研究。汽车早就有车道保持辅助了,但那跟 Waymo 能从头到尾全程自主驾驶完全是两回事。Reducto 想达到的就是后面这种标准。

Allen Park

明白了。听起来很有道理。我想你们也算是一个智能体平台……

05 3:36 212 字

AI 智能体需要怎样处理文档

Allen Park

除了让很多智能体能调用你们,你们的平台具体还包括什么?你们会不会把它做成横向平台,除了处理和解析,还覆盖编辑,甚至提供客户可用的节点式工作流编辑器?

Adit Abraham

可以这样理解:只要模型要和文档或其他非结构化文件交互,我们就希望 Reducto 成为完成这种交互的最佳方式。

Allen Park

明白。也就是说,读文档、解析、分类信息,再到编辑。人类工作里有很多就是从文档里读信息,再把内容写进文档。

Adit Abraham

没错。它可以负责提取数据、拿数据和其他文档对照核验,然后再……

06 4:20 283 字

难页和复杂表格如何路由给不同模型

Allen Park

我看到你们网站说 Reducto 底层有 12 个以上的模型。你们怎么决定不同任务和文件该用便宜模型还是更贵的模型?难点在于,这最终是个长尾问题:很多页面看起来只是普通文本,但偶尔会冒出一张特别复杂的表格,而你事先不知道它会在哪一页。

Adit Abraham

对。我们一开始的想法是,基础处理用很多较小的传统计算机视觉模型,特别难的任务再用大模型。不过后来我们逐渐形成了一个挺有意思的模型架构方案。我们周一会公布自研模型 R1,它能端到端完成这项工作:既识别版面,也做最后一公里的修正,尽可能把准确率推近 100%。

Allen Park

明白,挺不错的。我们现在可以加欧芹了。我觉得切得差不多就行,再加入其他食材。

07 5:29 387 字

自研还是外购:何时训练自己的模型

Allen Park

接着聊你提到的新模型。你们怎么判断该自己拥有模型能力,还是租用别人的?去年你们有个基于 Qwen 视觉语言模型的 ROM OCR 测试版;这次的新模型似乎说明你们更想自己做,而不是依赖外部供应商。

Adit Abraham

我们团队的主张或使命是:无论如何都要成为最好的服务提供方。客户不会关心 Reducto 用的是自研模型还是别的模型,他们只想要很好的结果。所以我们不把问题看成“是不是自研”。自然发展下来,我们越来越重视准确率、成本和延迟之间的帕累托前沿。针对某一类具体任务,经过后训练的模型往往能在这三个维度上都做得更好。因此我们的技术栈逐渐更多转向自研。当然,仍有一些很通用的任务适合用前沿基础模型,但目前范围有限。

Allen Park

很好。接下来要不要把桃子切了,拿去烤一下?我来……你用这块新砧板好吗?

Adit Abraham

好,谢谢。我就拿这个,这样我可以……

Allen Park

你之前说边做饭边聊天很分心,看来不是开玩笑。

Adit Abraham

是啊。

Allen Park

你们最近也发布了……

08 7:01 388 字

Deep Extract、前沿模型与漏掉的表格行

Allen Park

你们最近发布了 Deep Extract,基准测试显示它的整套流程比很多基础模型表现更好。有人会问:“我为什么不等基础模型进步到这个水平,直接用它,何必用你们这套流程?”你怎么看?

Adit Abraham

这次发布最有意思的一点,是我们发现精确率和召回率之间有个很奇怪的取舍。不知道你有没有看博客:当你给前沿模型不受限的推理时间时,很多专门做文档处理的平台表现反而不如它们。但前沿模型的问题出在召回率上:它们会悄悄漏掉表格行、漏掉一些上下文。

Allen Park

对。如果你的信息抽取层直接把内容漏了,到了生产环境也很难发现这种损失模式,因为你一开始就不知道自己漏提取了什么。

Adit Abraham

没错。所以这类工作特别需要一套完整流程来核验和审计结果。我不觉得这是非此即彼:有些任务前沿模型确实很出色。但如果你要找最适合某项任务、效率最高的工具,可能就应该针对那项任务做专门优化。

Allen Park

嗯,有道理。你们这次发布还和 Micro1 合作做了基准测试……

09 8:21 294 字

为什么每家都能在自家基准上夺冠

Allen Park

你们怎么看评测和基准测试与模型表现之间的关系?也有人担心模型为了基准刷分,导致不同任务间的表现参差不齐,和真实世界任务脱节。

Adit Abraham

我们内部做了很多基准测试。让我挺头疼的是,基准测试在很大程度上已经变成营销材料:每个人都在自己的基准上拿第一,所以噪声很快就变得特别大。我们和 Micro1 合作,是想划清一条线:Reducto 不挑选测试文档,不设定标准答案,也不会以任何方式操纵结果,这样至少能有一份独立基准。当然,它也不完美。我觉得最终最重要的,还是让大家拿自己的文档试用。

Allen Park

对。

Adit Abraham

不过至少这能给大家一个大致方向,让人们开始思考这些问题。我们想做的也就是这个。

Allen Park

明白。接着聊你们最近推出的 R1……

10 9:30 402 字

Reducto R1:准确率、成本与每月十亿页

Allen Park

R1 这次发布意味着你们的做法会有什么变化吗?研发过程中有没有什么有意思的发现?

Adit Abraham

R1 对我们来说是很大的一步。我们一直希望 Reducto 能成为客户试过的最准确的方案。尤其现在处理量越来越大——拍摄时,Reducto 每个月处理的页面已经略多于十亿页,而且这个数字还在快速变化——在准确率、成本和延迟之间找到帕累托前沿,让各种不同用例都能用得起,就越来越重要。

我特别喜欢 R1 的一点是,它不只是提高准确率,还会大幅简化定价,让客户更容易在生产环境中采用。以前如果启用 AI 功能,我们会加收倍率费用;这些都要取消了。用 R1 时,客户只要把文档发给我们,单页成本就会低于基础模型,准确率还高于我们最准确的模型。

Allen Park

哇,价格确实好很多。

Adit Abraham

便宜得多,比之前的价格低了好几倍。

Allen Park

明白。对那些按你们很多客户的规模使用 Reducto 的人来说,这确实挺让人期待。

Adit Abraham

没错。

Allen Park

说到这,你提到很多客户都在容错空间很小的行业……

11 10:57 560 字信息密度高

99% 准确率为什么还不够

Allen Park

你们不少客户都来自容错空间很小的行业。我好奇你们怎么评估系统、设定指标。比如准确率达到 99%,但偏偏在某些企业最需要的场景里失败了——像医疗这种容错空间很小的行业,或者其他风险不对称的用例——这时该怎么办?

Adit Abraham

首先,理想情况下,系统第一遍处理就应该尽可能准确。这当然占了我们很多心力。但第二点是,永远不会有一条线能代表“绝对完美”。即使你已经非常擅长读取页面内容,仍可能遇到歧义之类的问题。

所以可追溯性就很重要:要知道某条信息是从哪里提取出来的;如果需要人工复核,要能准确指出人应该看哪里;还要有可靠的置信度评分,让人知道哪些内容需要检查。要做医疗文档工作流,这些都非常关键。

我们内部做基准测试时,不只测信息抽取的准确率。对于那些没能做到完美的内容,我们还会看能不能可靠地把它升级给人工,让人知道结果不完美。这些都很重要。

Allen Park

你们会不会把最难的失败案例都收集起来,放进数据集里反复跑,确保整套流程没有退步?

Adit Abraham

我们确实做了很多类似的事。

Allen Park

能不能具体说说?你们用什么基础设施工具或框架?我刚才应该先问一下:这些食材你想让我怎么切?

Adit Abraham

完全由你决定。切成这样的小块也行,切薄一点也行。

Allen Park

我应该切成薄片的。好吧,我们桃子很多,可以先吃一些,薄一点的拿去烤,放到三明治里。回到刚才的话题,你们用什么框架或工具来发现这些失败案例,并据此做基准测试?

12 13:05 809 字信息密度高

持续评测与生产环境中的失败

Adit Abraham

有件事我们不太公开谈:我们的机器学习团队花很多时间做持续评测。我们会在生产环境里发现那些也许不算错、但还不够完善的结果,从而逐渐了解真实使用场景里哪些内容属于分布外情况。

我们关注的不是单个数据点,而是失败模式。比如医疗文档,你可以说自己关心手写内容,也可以专门测手写识别。但你手头的数据可能没有多少是那种页面倾斜、有人还在表格线外潦草书写的情况。先弄清楚自己在哪些地方做得不好,才能把这些情况纳入下一轮训练。

Allen Park

你们会按行业设置不同标准吗?我猜医疗公司和律所的需求不一样,不过律所之间可能比较接近,医疗公司之间也类似。

Adit Abraham

早期我们对此争论很多。垂直领域专用的文档处理平台确实容易做一些。不过代价是,我认为很多文档归根结底都由非常相似的基本元素组成。

人们常常忽略这一点:你看一页纸时,会瞬间做出许多基本判断。比如两个段落之间只要有一段空白,你就会自然地知道这里是一个新的语义信息块;你未必有意识地去想,但直觉上就懂。其他东西也一样,比如你会自然而然看出表格结构是如何把两类信息关联起来的。

Allen Park

对。

Adit Abraham

我们努力让模型能处理复杂情况,比如医疗领域那些传真来的乱表格,这也让我们更容易为金融客户提供可靠方案。整体来看,这条路更难,但也意味着我们能服务各类客户里最棘手的案例。

Allen Park

明白。不同产业里的经验会因为你们都关注同样的基本元素而相互通用?

Adit Abraham

没错。基本上就是把人看文档时的直觉教给模型。

Allen Park

这就是目标。那未来 Reducto 也会一直做横向平台、不会变成垂直行业产品吗?这样任何行业、任何公司都能用表现很好的通用方案?

Adit Abraham

对于文档解析这种客观任务,我们希望平台保持横向通用、开箱即用。看一页文档时,你应该能明确指出“页面上写的就是这些”。如果涉及主观看法,比如某个财务团队对某项指标有不同定义,那些东西就应该能通过提示来设定、调整,并随着使用不断改进。

Allen Park

明白,有道理。总体来说,智能体这波热潮以及大语言模型兴起之后,你怎么看 Reducto 内部的变化……

13 16:52 403 字

Reducto 内部如何使用 AI 智能体

Allen Park

你们在文化上做了很多调整来适应这波浪潮吗?比如要求工程师用编程智能体、内部搭建工具,还是把精力主要放在客户产品上,或者两边都做?

Adit Abraham

我的联合创始人很年轻,这是他大学毕业后的第一份工作。我觉得他是你能遇到的最懂大语言模型的一类人。你给他发条消息,回你的可能就是 ChatGPT 写的内容。因为有他这样的同事,我们自然就会看到很多人使用这些工具;我们没有规定工程师必须用 Claude Code 之类的工具。

我觉得很有意思的是,现在我们的销售团队也大量使用 Devin。

Allen Park

哇。

Adit Abraham

比如他们会给潜在客户做定制网站。

Allen Park

对。

Adit Abraham

这不是自上而下推动的。大家自己发现:“我在 Google Slides 上花了好多时间,结果用 Claude Design 做出来的提案比我费劲做的还好。”所以他们就会用它,主要是为了展示产品能带来的价值。

Allen Park

明白。这算是以身作则吗?比如你的联合创始人常用,员工看到之后也想试试,让自己效率更高?

Adit Abraham

对,此外……

14 18:31 420 字

用 AI 招聘与八小时现场面试

Adit Abraham

此外,我们从第一天起就在现场面试和一般面试中允许使用大语言模型。我们的现场面试实际上是一整天的安排,候选人会和团队一起待八个小时。

Allen Park

哇。

Adit Abraham

而且有些题目如果不恰当地使用大语言模型,确实很难解出来。我觉得最终通过现场面试的人,通常都知道如何有效使用编程工具。

我们团队里有个叫 Arth 的人——如果你看到这段,抱歉又把你架出来了。他当时还在伯克利读书,来参加现场面试时大概二十岁。他上大一时 GPT-3 刚发布。看他写代码就像看一个嗑了药的人一样,同时开着一大堆东西。最夸张的是,我们给了他标准的软件工程现场面试题,他大概两小时就全做完了。

Allen Park

哇。

Adit Abraham

Ronic 在 Slack 上私信我,特别着急地说:“糟了,他会觉得特别无聊。”于是我们又给他安排了整套机器学习工程现场面试题。这种人就是我们希望确保能招进团队的人。

Allen Park

哇,确实是理想人选:既熟悉这些工具,行动又特别快。

Adit Abraham

没错。

Allen Park

好。要不要尝尝青酱?桃子应该也差不多了。旁边有勺子,你可以用。喷枪也准备好了。

Adit Abraham

好。

15 20:17 704 字信息密度高

早期员工与什么叫真正投入

Allen Park

趁我们准备这些,我想继续聊招聘。你们出了名地招人很谨慎,团队一直保持精干。最早的员工里,比如 Efe,可以说是这个领域里最厉害的人之一;其他增长岗位的人也很专业,有些人自己就经营着业务,比如 Adele 等人。从你和 Ronic 两个人一路发展到现在的团队,你在顶尖员工身上反复看到什么特质?现在招人时又会找什么?

Adit Abraham

我们最重要的文化价值观,就是对自己的工作有热忱。

我说的热忱不只是“想做”。我会观察那些非常执着于把某件事做到最好的人。无论是厨师、运动员还是其他人,你总会发现他们对日常工作有一种严格的投入。

比如 Yee 是非常出色的机器学习研究员,不只是因为他读了和我们领域相关的博士。他对检查数据特别执着,会非常仔细地翻数据集,可能连某些 PDF 页都记住了。

Allen Park

哇。

Adit Abraham

我不认识有人比他花更多时间在 PDF 上画框了。

Allen Park

哇。

Adit Abraham

这很重要。

Allen Park

不容易规模化。

Adit Abraham

确实。我们曾经有一段时间,数据标注员比全职员工还多,但他还是会亲自看数据、对每个细节较真。我觉得工程师也得对客户支持这类事情上心,不只是关注炫酷功能上线;还得确保产品在生产环境里能处理那些长尾案例。这种事很难强迫别人主动想做。如果他们把自己的工作看作一件想做到极致的事,自然就会想不断进步。所以我们会招聘这类人。

Allen Park

明白。你们怎么判断候选人有没有这种投入?看过往经历,还是通过面试来了解?

Adit Abraham

对自己真正投入的人,往往会在工作中的很多方面都表现出来。有时是在全职工作,有时是在爱好上。我很喜欢问别人:“你有什么事做得特别出色,甚至达到世界级?”看他们讲这件事时眼睛会不会亮起来。哪怕是电子游戏也可以,只要能把这种投入引导到正确的问题上,它就会自然迁移过来。

Allen Park

明白。桃子片还挺多的。

16 23:17 241 字

用喷枪炙烤桃子

Adit Abraham

好,我拿几个桃子来喷枪烤一下。对,这样挺好,边做边聊。我觉得对一件事的投入确实会迁移。

Allen Park

是啊。

你想烤到多焦?按你喜欢的程度来。说真的,你可以用喷枪……

Adit Abraham

我还以为这样就算了。

Allen Park

要不我直接把它们放锅里?

Adit Abraham

对,我们就直接放……

Allen Park

我有点手忙脚乱。我们用电磁炉吧。你想试试吗?就这样打开。

Adit Abraham

我太期待了。

Allen Park

对,转一下旋钮就行。

Adit Abraham

哦,随便设什么温度都行吗?我看过相关视频……

> 翻译待核对:23:35–24:07 炙烤桃子的对话有字幕断裂且说话边界不清;上述归属依料理动作的问答关系判断,个别短句仍需音频复核。

17 24:25 678 字信息密度高

从小团队扩张到 B 轮

Allen Park

从早期阶段走到现在的 B 轮,先再次恭喜。团队从很小变成增长阶段,你有哪些不得不放下或改变的做法?

Adit Abraham

如果公司发展顺利,问题的数量不会真的变少,只是你随着时间开始处理不同的问题。创业第一天,我做的很多事都是当下需要亲自下场处理的细节,比如一笔具体交易、一张客户支持工单。团队人数增加后,这些事情自然会变。

放手其实挺不容易。我做创始人很长时间里,只要没法随时在 Slack 上响应,就会焦虑,觉得自己不盯着就可能出问题。后来这种感觉慢慢少了,你会意识到公司在某种程度上有自己的运转方式。不过你仍会花很多时间陪伴顶级客户,也会逐渐接手更多和人有关的工作。我以前没想过自己会写文化文件,没想到这类事会成为工作的一部分。

但这都挺有意思。我总觉得自己刚开始做当前阶段的工作时很不擅长,三个月后才上手,接着又开始做一份新工作。

Allen Park

随着公司成长,工作一直在变化。早期你会给工程师一个优先事项,让他用一周完成。团队规模扩大之后,你还会坚持一周一个重点吗?还是会更像大科技公司那样组织?

Adit Abraham

我们仍然每周全员开会。工程团队应该了解最重要的客户交易,反过来也是一样,这点没变。有些重要项目很难压进一周,所以某些工作的周期确实变长了。不过也有很多事仍然是一天内要解决的优先事项。我们会尽量明确真正重要的几件事。

我的想法也从每周优先级,逐渐转向月度和季度优先级。不过还没变成大科技公司那种组织方式,我们没有一整套年度 OKR。我们仍然尽量像创业公司一样精干地运作。

Allen Park

因为你会不断获得新信息,市场变化很快,不跟着调整就会落后,尤其 AI 和编程领域变化更快。

Adit Abraham

对,确实一直在变。

Allen Park

那我们转到商业层面……

18 27:35 654 字信息密度高

竞争与数据飞轮

Allen Park

你们所在的赛道竞争很激烈,大家都在拼命提升表现。如果客户数据不能全部用于训练,性能会不会无法随着业务量一起扩展?你们怎么建立护城河、和其他公司拉开差距?

Adit Abraham

就像刚才说的,持续评测做得好,是关键的一部分。我们每个月处理十亿页文档,怎么围绕这些数据形成飞轮,是我们需要解决的问题。

我们做的并不只是针对某一种版面。我们的方案是横向通用的。很棒的一点是,客户群越广,我们对各种问题的理解就越好。

我其实觉得竞争市场很好,因为它很看实力。我们服务 Harvey 这样的领先 AI 原生创业公司;如果我们不能继续做到最好,他们就会自己去找最好的供应商。我们的态度一直是要迎接这个挑战。

Allen Park

所以你们是竞争优先,想赢,但也接受公平竞争?

Adit Abraham

是的。

Allen Park

明白。如今很多市场都会很拥挤,关键就是能不能快速行动、参与竞争;比起系统性优势,执行似乎比以往都重要。

Adit Abraham

对,确实一直如此。

Allen Park

好,桃子看起来可以了,放到盘子里,然后开始处理牛排。回到 Reducto 的未来……

Adit Abraham

该死,可以再给我一点油吗?

Allen Park

可以。好。关于 Reducto 的未来,你会不会想像 Rippling 那样,做很多横向产品,成为提供多种服务的综合型创业公司,甚至接手文件存储等客户除了提取、解析、编辑以外的需求?

Adit Abraham

我们最关心的是直接对文档进行操作。我们考虑问题时,不太关注文件存储;关键一直是能不能把某项任务做到世界第一。就文档分类、解析和编辑而言,我们认为答案是可以。至少目前,单纯存储数据没那么吸引我们。只有当这些方向能改善客户体验时,我们才会考虑推进。

Allen Park

明白。那你们的客户每次来找你们时……

19 30:53 333 字

更好的解析能为客户带来什么

Allen Park

听说你们的客户通常会带来一批此前所有测试都失败的文档,但这些文档到了 Reducto 就能处理。有没有什么让你觉得特别神奇的案例?

Adit Abraham

我最喜欢的客户演示,是客户找到了一个以前根本无法实现的用例,结果现在能解决了。他们开始把原来认为不在能力范围内的内容也交给系统处理。

有些时候,解析准确率还会带来人们意想不到的下游影响。一家法律科技客户发现,文档经过 Reducto 解析后,用户与文档的互动次数翻了一倍。

Allen Park

哇。

Adit Abraham

用户会问更多问题。这显然不是我们直接销售的功能,但他们发现答案质量和引用准确度都提高了,所以客户总体上更愿意参与互动。

Allen Park

这很重要。我们最终想带来的就是这种效果,只是它可能不会立刻体现在邮件流程里。明白了。现在你和 Ronic 都在团队里;你们都去了 MIT,对吧?

20 32:12 512 字信息密度高

在 MIT 找到联合创始人

Allen Park

你和 Ronic 都去了 MIT,是通过他当助教或研究助理的一门课认识的吗?

Adit Abraham

对,我们是在他大一时认识的。

Allen Park

你以前说过,你很欣赏他的能力和才华。你们一起做事快要三年了吧?这三年里,有没有某些时刻让你意识到你们很合拍,或明白了联合创始人该有哪些特质?有没有什么做法和常见的创业建议不一样?

Adit Abraham

到目前为止,我最喜欢我们这段创始人关系的一点是,我们从没发生过我会真正称为“争吵”的事情。

Allen Park

好。

Adit Abraham

我们讨论过很多事情,也会表达不同意见,但我们很擅长就事论事地沟通、解决分歧。我觉得这最重要。前提当然是你尊重对方,觉得对方有互补的技能。但创业真的很艰难,重要的是你觉得自己能和联合创始人一起经历起起落落,而不会心生怨恨。这种关系很特别,刚认识一个人时很难强求或预测。

Allen Park

你和 Ronic 的技能互补吗?

Adit Abraham

我觉得是。我在 MIT 完成了计算机科学本科,但和他比起来,我都快算不上技术人员了。我们的工作通常会在产品上交汇。他主导了各方面的大量工程工作,在技术上也有很多强烈的看法;我的强项则是在市场拓展方面。

Allen Park

明白。不过你们都懂技术,能进行相关讨论;但你肯定不会和 Ronic 比编程马拉松。我觉得他这辈子可能一次都没输过。

Adit Abraham

是啊。

Allen Park

你们也一起参加过黑客松,对吧?

21 34:35 1,019 字信息密度高

Anthropic 黑客松、长期记忆与 RAG

Allen Park

你们还一起参加过一次黑客松,对吧?

Adit Abraham

参加过。

Allen Park

是 Anthropic 推出早期 Claude 模型时办的那场?

Adit Abraham

对,他们当时提供了 Claude 的早期使用权限。我们的创业历程某种程度上就是从那时开始的。当时模型已经很厉害,但上下文窗口限制非常糟糕,于是我们开始考虑长期记忆,最后发展成后来的 Reducto。

Allen Park

时代确实变了。当时 RAG 很重要,你们的处理流程现在还会做很多分块吗?上下文窗口变长之后,这件事是不是没那么重要了?

Adit Abraham

分块可能不再是最吸引人注意的部分,但很多问题归根结底还是搜索问题。

Allen Park

好。

Adit Abraham

不管你叫它 RAG,还是叫别的名字,很多产品本质上仍是某种搜索,再基于搜索结果做推理。

Allen Park

明白。

Adit Abraham

我个人认为,按定义来说,这其实就是检索增强生成。

Allen Park

对,说得通。你能具体讲讲“所有问题说到底都是搜索问题”吗?编程领域里,文件引用和文件搜索似乎是在 RAG 之后出现的方向。文档解析和处理的框架也一样吗?

Adit Abraham

人们想到 RAG,常想到传统做法:先把内容切块、生成嵌入,再用余弦相似度搜索,决定哪些内容要放进模型上下文。

有些人排斥 RAG,理由是“我又不是在做聊天机器人”。但我们很多客户仍然会给智能体一个文件系统,让智能体在里面搜索,找出相关上下文,再基于这些内容推理、拼接多个文档的信息。

我想说的是,无论这件事由智能体完成,还是直接呈现在搜索产品里,流程都是先查找信息、拼出上下文、综合内容,最后采取某种行动。

Allen Park

明白。这流程挺直观的。我的牛排应该做好了,你可以开始看看。接下来聊聊大家怎么找到你们,以及你们在招聘什么。我猜你们不同岗位都在招?

Adit Abraham

我们现在大概有 40 个职位空缺。

Allen Park

哇。你们眼下主要受限于什么?销售,还是还在招很多研究人员?

Adit Abraham

各方面都在招,尤其是工程岗位。随着规模扩大,基础设施问题对我们特别重要。

Allen Park

对。我也得洗洗手。

> 翻译待核对:37:42–37:48 的字幕残句“mistakes in the washing hand”不通顺,无法据此确认具体所指。

Adit Abraham

我们在招产品工程、机器学习和平台岗位。销售团队方面,今年年初我们只有一名客户经理(AE)和销售工程师(SE);现在销售团队已经有 30 个人了。

Allen Park

哇。

Adit Abraham

总体来说招了很多人,短期内应该还会继续。团队的产能仍然不够。

Allen Park

明白。能有增长问题可比陷在转型地狱里好——你以前也提过,坐下来解决不了问题,比现在要增长难多了。

Adit Abraham

是啊,应该会挺好的。

Allen Park

好,我们把这个移过去,然后去洗手。

Adit Abraham

我以前从没用叉子煎过牛排。凡事总有第一次。

22 38:39 87 字

重新回到厨房

Allen Park

太棒了。好了,我们回来了。牛排已经做好,可以开始切了。你切面包,我来切牛排,怎么样?

Adit Abraham

好。再回到 Reducto,你们已经从帮助公司提取和解析文档,发展到也能处理文档编辑了……

23 38:50 777 字

从读 PDF 到修订合同

Allen Park

你们已经从帮公司提取和解析文档,发展到也能处理文档编辑。你觉得从阅读、分析到编辑和知识工作,还有多少机会可以拓展?

Adit Abraham

我总体上觉得,白领工作还没有迎来类似 Claude Code 那样的时刻。很多白领工作不只是综合信息、从文档里提取内容,也包括最后把内容写进电子表格、Word 文档等。

所以我们想的不只是解析和提取这一层,还想让模型尽可能可靠地修订合同、填写贷款申请,完成原本要由人来做的工作。这里面有很多难题。刚才我们也提到了,人类每年要花几十亿美元做文档本地化。

比如美国企业要和中东公司做生意,可能需要把内容翻译成阿拉伯语。模型翻译得很好,但把修改应用到文档里很难:英文文档转成从右到左的文字后,版面要重排,内容可能流到下一页,格式也会变化。

Allen Park

格式确实不一样。

Adit Abraham

正是如此。理想情况下,我们能替客户处理这一整套问题。我们还处在早期,差不多半年前推出了表单编辑接口。接下来也有不少东西快要发布,我认为会带来巨大的变化。

Allen Park

这听起来像是一个很不一样的问题,更像计算机操作,比如填写表单。

Adit Abraham

确实有些相似之处,而且这里也有不少工作更接近代码生成。不过,最根本的还是要非常擅长理解视觉结构;有了这项能力,我们也就能做好把修改应用到文档里。

Allen Park

明白。你们会把这些问题交给不同团队,还是都放在同一个体系里?

Adit Abraham

我们不会很严格地拆分团队。这也和刚才聊到的工程团队优先级有关。我们有机器学习团队,组内的人会做各种不同问题;当然也有人专门研究某些方向。我们刚招到一位很棒的新员工,叫 Leang。他因为开源办公智能体在 Twitter 上火了起来。

Allen Park

哦,我好像看过。

Adit Abraham

对,这人很难招,刚从新加坡搬过来。他对文档编辑问题特别感兴趣,现在主导了其中不少工作。让人和问题之间有热情上的契合,真的很重要。

Allen Park

你们怎么找到对这个使命有同样雄心的人?主要靠主动联系还是申请?会用什么方式筛选?我猜你们很看重使命感。

24 42:50 193 字

从读 PDF 到修订合同(续)

Adit Abraham

我们一直在持续招聘:有内部招聘人员,也和招聘机构合作。不过,偶尔你会在 Twitter 上发现某个人对 PDF 的执着程度超乎寻常。一个人会随手花时间琢磨文档处理,这本身就很能说明问题。只要看到这种人,我们就会想办法联系。

Allen Park

有道理。你刚才说白领工作还没有迎来 Claude Code 时刻,你觉得引发那种爆发式增长的催化剂会是什么?是大家看到用例的价值,还是行业扩散和文档编辑场景的普及?

25 43:19 571 字

办公工作中的 Claude Code 时刻

Adit Abraham

我觉得模型能力已经快到那个点了。前沿实验室显然先集中提升了代码生成能力,之后才考虑其他模型应用问题。

Allen Park

对。代码很多时候是可验证的问题,工程师也最容易接受新工具。但企业的数据散落在各种地方,还有很多奇怪的经验规则。你问大型金融机构某个纸面流程是怎么处理的,他们可能会告诉你:“如果我在屏幕左下角看到这个,就知道它来自肯塔基州,所以……”

Adit Abraham

这类知识通常根本没有被清楚地写下来。

Allen Park

所以工具公司还有很多工作要做:汇总这些上下文、帮企业建立合适的知识库,再为模型提供足够的信息来推理。

Adit Abraham

对。不过我觉得离大规模出现这种情况已经不远了。

Allen Park

明白。所以问题更像是数据碎片化和上下文不足,而不是模型表现?模型的长程推理已经越来越强,智能水平似乎不再是最大的瓶颈。

Adit Abraham

是这样。

Allen Park

那是不是需要更集中地解决这个问题?把某个州的纸质文件和老旧文件系统里的数据整合起来,并不是软件一定能轻易解决的。你们从文档处理角度考虑过这种问题吗?

Adit Abraham

好的一点是,我们能和各个垂直领域的领先团队密切合作。比如我们和 Basis 团队合作,他们想自动化 1099 报税;也和 Harvey、Lora 这些在法律领域做得很出色的公司紧密合作。

这些公司专注于自己的领域,因此能逐步摸清在特定场景下如何端到端交付价值,这很好。

Allen Park

明白了。那块好像还冒着热气。

Adit Abraham

是热气,不是烟。

Allen Park

好。我们可以组装一个,吃完就结束。接下来……

26 46:14 406 字

Reducto 接下来的方向:提取、引用与成本

Allen Park

除了这次发布,今年剩下的时间里还有什么里程碑或事情让你期待?再恭喜一次。

Adit Abraham

总体而言,我们的模型都在变得更好很多。

Allen Park

你要戴这个 Halo 吗?

Adit Abraham

好啊,要把这个也戴上吗?

Allen Park

行。

Adit Abraham

我们的结构化提取模型也有了巨大进步,而且不只是准确率提高。引用表现和遵循 schema 的能力也更好了,成本还更划算。我们今天宣布,以前结构化提取每页总成本要超过 4.5 美分;现在成本降到一半,同时表现还更好。

Allen Park

哇。

Adit Abraham

你还好吗?

Allen Park

我呛到了。

哇,这一下降得真多。

Adit Abraham

这些就是我们想继续推进的方向:全面推动准确率、成本和延迟之间的帕累托前沿。

Allen Park

明白。之前你提过成本和性能。这主要是为了降成本,还是成本降下来的同时维持原有性能?

Adit Abraham

幸运的是,我们并不是为了降成本而刻意降成本,而是发现只要专注提升模型表现,每一美元能买到的智能也会更高。我们的首要目标始终是成为市面上最准确的文档处理平台。

Allen Park

嗯,而且就像你说的,也不绑定某一家模型。

Adit Abraham

没错。

Allen Park

好,太好了。那我们组装三明治吧。

27 47:51 341 字

组装牛排三明治

Allen Park

好,牛排要放多少?要不要再加点?

Adit Abraham

我们可以叠两层。

Allen Park

好。你要不要往这边挪?这样我也能加一些。感觉怎么样?

Adit Abraham

挺好。我在想那个人的事,忘了他的用户名了。我想把这些牛排片铺得好看一点,确保摆放方式没问题……

Allen Park

别再被网友嘲讽一次就行。

Adit Abraham

才不会被嘲讽。这些肉块也切得很小,应该能铺开。

Allen Park

看起来很好。把芝士放上去。你放布拉塔奶酪,我来放桃子?

Adit Abraham

好,哇,真不错。

Allen Park

放在牛排上还是面包上?

Adit Abraham

放牛排上吧。然后盖上去。

Allen Park

铺开。太好了,看起来真棒。把顶上的面包也放上去。好,完美,我们来切开。

Adit Abraham

太棒了。

Allen Park

接着加点阿根廷青酱?好,拌一拌,再放到上面。拍这些动作镜头肯定会很精彩。看起来好凉啊。你也可以把面包盖上去。好,完美,我们来切开吧。我们能回应一下那些批评吗?

Adit Abraham

可以。我觉得我们该数一数你咬的时候会带出几片牛排。有人说会有三片。

28 49:56 136 字

牛排指控与试吃

Allen Park

三片,对吧?来,咬一口。

Adit Abraham

一片。

Allen Park

对,很轻松。味道怎么样?

Adit Abraham

太棒了。

Allen Park

好,碰杯。

Adit Abraham

还有点辣。

Allen Park

嗯,太好吃了,天哪。牛排三明治怎么做都不会错。

Adit Abraham

对,尤其是加了桃子。

Allen Park

真的太棒了,我们做得真好。

Adit Abraham

谢谢你们招待我们。

Allen Park

那这份三明治和 Reducto 之间有什么比喻?

Adit Abraham

你是想让我说句和文档有关的话吗?