Markdown సంచిక

AI-translated from English; not yet reviewed by a fluent editor.

# ఏఐ కోసం అనుకరణ కార్యాలయాలకు స్నార్కెల్‌ 350 మిలియన్‌ డాలర్ల పెట్టుబడి

> కంపెనీ టూల్‌లు, నియమాలు, రికార్డులను ఉపయోగించడం ఏఐ ఏజెంట్లు సాధన చేయగల అనుకరణ కార్యాలయాలకు స్నార్కెల్‌ తాజా నిధులు తోడ్పడతాయి. వాటి చర్యలు, ఫలితాలకు స్కోరు కూడా ఇస్తారు.

By BIG CHANGE Editorial

Published: 2026-09-22T23:48:28.109Z
Updated: 2026-09-23T03:38:46.383Z
Canonical: https://bigchange.ai/blog/snorkel-ai-training-simulated-workplaces

![A blank monitor and tool tray sit inside an orange-edged controlled training workstation.](https://bigchange.ai/api/media/file/snorkel-training-room-boundary-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE. Illustration of a controlled training workstation with tools and a visible boundary. It does not show a customer system or a production result.

ఏజెంట్లకు శిక్షణ ఇచ్చేందుకు స్నార్కెల్‌ ఏఐ అనుకరణ కార్యాలయాలను విక్రయిస్తుంది. వాటిలో కంపెనీ రికార్డులు, టూల్‌లు, నియమాలు ఉంటాయి; ఏజెంట్‌ చర్యలు, ఫలితాలకు స్కోరు ఇస్తారు.

సెప్టెంబర్‌ 22న స్నార్కెల్‌ [350 మిలియన్‌ డాలర్ల సిరీస్‌ E నిధులు, 3.5 బిలియన్‌ డాలర్ల విలువను ప్రకటించింది](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/). నిధులు కొత్తవి; ఉత్పత్తి దిశ మాత్రం పాతదే. 2025లోనే స్నార్కెల్‌ తన వాతావరణ నిర్మాణ పద్ధతిని వివరించింది. ప్రస్తుత Data Seriesలో ఆస్తి, ప్రమాద బీమా అండర్‌రైటింగ్‌, ఆర్థిక నమూనాలు ఉన్నాయి. పనిపై నిపుణుల జ్ఞానాన్ని శిక్షణ, మూల్యాంకన మౌలిక సదుపాయాలుగా మార్చే ఇప్పటికే ఉన్న వ్యాపారానికి ఈ నిధుల రౌండ్‌ మద్దతు ఇస్తుంది.

## పెద్ద మార్పు

- **ఏం మారింది:** శిక్షణ డేటా సరఫరాదారు కంపెనీ ప్రక్రియకు పనిచేసే అనుకరణను విక్రయించవచ్చు. పనిని పూర్తిచేయాలంటే అందుబాటులోని టూల్‌లు, రికార్డులను ఉపయోగించాలి.
- **ఇది ఎందుకు ముఖ్యం:** ఈ వాతావరణాన్ని నిర్మించినవారే సమర్థవంతమైన పని అంటే ఏమిటో నిర్వచించడంలో భాగమవుతారు. విధాన పరిమితి, తప్పనిసరి ఆమోదం, డేటాబేస్‌ నవీకరణ—ఏ ప్రవర్తనకు బహుమతి, ఏదానికి తిరస్కారం ఇవ్వాలో నిర్ణయించే సంకేతంలో భాగమవుతుంది. అందువల్ల రంగ నైపుణ్యం తుది సమీక్షకే కాదు, శిక్షణకూ అవసరం.
- **ఏమి గమనించాలి:** ఓపెన్‌ బెంచ్‌మార్క్‌ల కోసం గ్రాంట్లను పెంచుతామని స్నార్కెల్‌ చెబుతోంది. వాణిజ్య వాతావరణాల విషయంలో, వాటి టూల్‌లు, నియమాలు, మినహాయింపులు కొనుగోలుదారుడి పనికి ఎంత దగ్గరగా సరిపోతాయనేది ప్రధాన ప్రశ్న. ఎందుకంటే అనుకరణలోని ఉద్యోగ నమూనా ఆధారంగానే విజయాన్ని కొలుస్తారు.

## అనుకరణ కంపెనీలో ఏముంటుంది

స్థిర డేటాసెట్‌లో ప్రశ్నకు సరైనదిగా భావించిన సమాధానాన్ని జతచేయవచ్చు. వాతావరణం మాత్రం చర్యలు, వాటి పరిణామాలను కూడా జోడిస్తుంది. ఏ టూల్‌ వాడాలో ఏజెంట్‌ ఎంచుకుంటాడు, ఫలితాన్ని గమనించి తర్వాత ఏం చేయాలో నిర్ణయిస్తాడు. డేటాబేస్‌ మారవచ్చు, అనుకరణ వినియోగదారు లేని సమాచారాన్ని అందించవచ్చు, విధానం ప్రకారం విషయాన్ని ఉన్నత స్థాయికి పంపాల్సి రావచ్చు.

[ఎంటర్‌ప్రైజ్‌ వాతావరణాలపై స్నార్కెల్‌ ఆగస్టులో ప్రచురించిన వివరణ](https://snorkel.ai/blog/enterprise-environments-ai-agents/) ప్రకారం, మూల్యాంకనం సమాధానంతో పాటు మారిన సిస్టమ్‌ స్థితి, అనుమతులు, ఆమోదాలు, ఆధారాలు సేకరించిన విధానాన్ని కూడా పరిశీలిస్తుంది. అసలు రికార్డు మారకపోతే, పని పూర్తయిందన్న ప్రకటనను ఈ తనిఖీ తిరస్కరించవచ్చు.

ప్రస్తుత [ఎంటర్‌ప్రైజ్‌ వాతావరణాల ఉత్పత్తి పేజీ](https://snorkel.ai/data-series/enterprise-environments/) లో అండర్‌రైటింగ్‌, ఫైనాన్స్‌ అందుబాటులో ఉన్నట్లు, ఒక్కో దానిలో వేల పనులు, అనుకరణ వినియోగదారులు ఉన్నట్లు చెబుతుంది. ఇవి శిక్షణ కోసం రూపొందించిన నమూనాలు.

ఒకే నమూనాను దగ్గరి సంబంధమున్న రెండు పనులకు ఉపయోగించవచ్చు. పునరావృత పనులపై ఏజెంట్‌ను మూల్యాంకనం చేయడానికి బృందం దాన్ని వాడవచ్చు. అలాగే పనులు, బహుమతి సంకేతాలను reinforcement-learning చక్రంలో చేర్చి, విజయవంతమైన ప్రవర్తన తర్వాతి చర్యలను ప్రభావితం చేసేలా చేయవచ్చు.

## నియమాలూ ఉత్పత్తిలో భాగమే

నిపుణులు పని విధానం, విజయ ప్రమాణాలను నిర్దేశిస్తారని; ఇంజినీర్లు టూల్‌లు, డేటాను నిర్మిస్తారని స్నార్కెల్‌ చెబుతోంది. వెరిఫైయర్లు పనికి గ్రేడ్‌ ఇస్తారు; సరైన మార్గం ఉందో లేదో oracle ఏజెంట్‌ తనిఖీ చేస్తాడు.

సాధారణ పరిశ్రమ జ్ఞానాన్ని మాత్రమే నమ్మకుండా, వాతావరణాన్ని పరిశీలించేలా కంపెనీకి ప్రత్యేకమైన నియమాలు ఏజెంట్‌ను నిర్దేశిస్తాయి.

ఏ మినహాయింపులు ముఖ్యమో, పని ఎప్పుడు పూర్తయినట్లవుతుందో, ఏ ప్రత్యామ్నాయ మార్గాలు ఆమోదయోగ్యమో వాతావరణ రచయితలు నిర్ణయిస్తారు. ఆ ఎంపికలు వాస్తవ పనిని ప్రతిబింబిస్తున్నాయా అని కొనుగోలుదారులు, రంగ నిపుణులు తనిఖీ చేయాలి.

## నియంత్రిత పరీక్షకు పరిమితి ఉంటుంది

స్నార్కెల్‌ [2025 సాంకేతిక వివరణ](https://snorkel.ai/blog/snorkeling-in-rl-environments/) ప్రకారం, ప్రత్యక్ష వ్యవస్థల స్థానంలో ప్రతినిధి సేవలు, స్కీమాలు, కృత్రిమంగా రూపొందించిన లేదా గుర్తింపులు తొలగించిన డేటాను వాతావరణాలు ఉపయోగిస్తాయి. దీనివల్ల కస్టమర్‌ రికార్డులను తాకకుండా పనులను మళ్లీ నిర్వహించవచ్చు, డేటాబేస్‌ మార్పులను పరిశీలించవచ్చు, నిషేధిత చర్యలను పరీక్షించవచ్చు.

ఎన్‌కోడ్‌ చేసిన పని విధానంతో పోలిస్తే పనితీరుకు ఈ ఫలితాలు ఆధారం ఇస్తాయి. స్నార్కెల్‌ పనులను ఎలా నిర్మించి తనిఖీ చేస్తుందో దాని వెబ్‌ పేజీలు వివరిస్తాయి; కానీ ఈ వాణిజ్య అనుకరణల్లో వచ్చిన స్కోర్లు ప్రత్యక్ష అండర్‌రైటింగ్‌ లేదా ఫైనాన్స్‌ కార్యకలాపాల విశ్వసనీయతతో ఎలా ముడిపడ్డాయో తెలిపే స్వతంత్ర అధ్యయనం చూపవు. వాస్తవ టూల్‌లు, డేటా, అంచు సందర్భాలను అనుకరణ ఎంత ఖచ్చితంగా పట్టుకుందనే దానిపైనే ఉత్పత్తి వినియోగం ఆధారపడి ఉంటుంది.

## ఈ నిధులు దేనికి మద్దతు ఇస్తున్నాయి

లేబుల్‌ చేసిన డేటాసెట్‌లను అభివృద్ధి చేసే వ్యవస్థగా స్నార్కెల్‌ ప్రారంభమైంది. ఇప్పుడు నిపుణుల జ్ఞానాన్ని వాతావరణాలు, మూల్యాంకకాలు, శిక్షణ పనులుగా అందిస్తోంది. దీంతో ఏజెంట్‌ పనిని సరిగ్గా చేశాడో చెప్పే నియమాలతో సహా, ఆ పనికి నిర్మించిన నమూనా ఏఐ వ్యవస్థలో ప్రత్యేక భాగంగా మారింది.

రంగ నిపుణులకు పనుల నిర్వచనం, ధృవీకరణ మోడల్‌ అభివృద్ధికి దగ్గరవుతాయి. కొనుగోలుదారులకు స్పెసిఫికేషన్‌ నాణ్యత కొనుగోలులో భాగమవుతుంది. Open Benchmarks Grants కార్యక్రమాన్ని విస్తరిస్తామని స్నార్కెల్‌ ప్రకటించింది; దాంతో మరిన్ని వాతావరణాల నిర్మాణం, స్కోరింగ్‌ను పరిశీలించేందుకు అవకాశం రావచ్చు. అయితే తదుపరి గ్రాంట్లు లేదా వాటి నిబంధనలను నిధుల ప్రకటన వివరించదు.

## Sources

- [స్నార్కెల్‌ ఏఐ: Data 2.0, AI డేటా పరిశోధన దశ](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — CEO అలెక్స్‌ రాట్నర్‌ 350 మిలియన్‌ డాలర్ల సిరీస్‌ Eను, 3.5 బిలియన్‌ డాలర్ల విలువను ప్రకటించి, Open Benchmarks Grants కార్యక్రమాన్ని విస్తరిస్తామని తెలిపారు. మోడల్‌ సామర్థ్యం, పునరావృత మెరుగుదల, మార్కెట్‌ దిశపై వ్యాసంలోని విస్తృత వాదనలు సంస్థ అభిప్రాయాలు; స్వతంత్ర పరిశోధన ఫలితాలు కావు.
- [స్నార్కెల్‌ ఏఐ: వాస్తవ పని విధానాల కోసం ఎంటర్‌ప్రైజ్‌ వాతావరణాలు, ఏజెంట్‌ శిక్షణ](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — అనుకరణ కంపెనీ భాగాలు, నిపుణులు, ఇంజినీర్లు నిర్మించే విధానం, oracle-మార్గ తనిఖీలు, కంపెనీ నియమాలు, సమాధానం, స్థితి, భద్రత, ప్రక్రియ ఆధారంగా జరిగే మూల్యాంకనాన్ని వివరిస్తుంది. ఇందులోని బీమా ఉదాహరణ శిక్షణ నమూనా; ప్రత్యక్ష వినియోగం నమోదైన సందర్భం కాదు.
- [స్నార్కెల్‌ Data Series: Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) — ప్రస్తుత ఉత్పత్తి పేజీ ఆస్తి, ప్రమాద బీమా అండర్‌రైటింగ్‌, ఫైనాన్స్‌ వాతావరణాలు అందుబాటులో ఉన్నట్లు చెబుతుంది. వాటిలో వేల పనులు, డేటాబేస్‌లు, విధాన పత్రాలు, రంగ టూల్‌లు, అనుకరణ వినియోగదారులు ఉంటారు. వ్యాసానికి సరిపడ పద్ధతి వివరాలు లేనందున పనితీరు, ఉత్పత్తికి బదిలీపై వాదనలు చేర్చలేదు.
- [స్నార్కెల్‌ ఏఐ: RL వాతావరణాల్లో Snorkeling](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — వాతావరణ సందర్భం, చర్యలు, స్థితి, మూల్యాంకన సంకేతాలను వివరిస్తుంది; అనుకరణ మూల్యాంకనాన్ని RL శిక్షణ వాతావరణాల నుంచి వేరు చేస్తుంది. ప్రతినిధి సేవలు, స్కీమాలు, కృత్రిమ లేదా గుర్తింపులు తొలగించిన డేటా, వెరిఫైయర్లు, నిపుణుల సమీక్షను కూడా వివరిస్తుంది. ఇది ప్రకటించిన పద్ధతికి ఆధారం; ఉత్పత్తి విశ్వసనీయతకు కాదు.