Chegg将其数据、专业知识和主题专家网络用于训练和评估AI模型

随着人工智能系统越来越依赖来自人类反馈和严格评估的强化学习，对准确、特定领域专业知识的需求（特别是在STEM领域）变得至关重要。Chegg在满足这一需求方面处于独特地位，将其提供高质量学术解决方案的丰富经验与大规模管理专家生成内容的深度结构化方法相结合。

与主要将人工智能实验室与主题专家联系起来的新兴人才市场不同，Chegg的方法建立在十多年开发运营系统的基础上，这些系统不仅寻找专家，而且严格评估、协调和持续改进他们的产出。这使Chegg能够超越提供人力专业知识层的范围，提供一致生成可靠、高质量的培训数据所需的后台校准和质量保证。

这种运营能力解决了当今人工智能发展面临的核心挑战。随着模型变得越来越复杂，瓶颈不再是纯粹的技术问题--而是管理和维护一致、高质量的人力输入的能力。Chegg的优势在于解决这一运营挑战，确保专家的贡献是结构化的、可审计的，并符合现代人工智能系统的需求。

Chegg首席执行官Dan Rosensweig表示：“在Chegg，我们很高兴能够扩大战略重点，以帮助训练下一代人工智能模型。”“随着这些系统变得越来越先进，成功不仅取决于模型架构，还取决于数据的质量和它们背后的人力专业知识。凭借我们构建高度准确的结构化学习系统的经验，结合数百万个复杂的分步推理解决方案和我们严格校准的专家网络，我们处于独特的地位，可以帮助AI模型开发真正的推理和解决问题的能力。"

除了其专家网络，Chegg还带来了一个强大的专有学术内容库，特别是在科学，技术，工程和数学方面。该数据集可以授权给人工智能实验室，对于训练模型以开发高级推理和解决问题的能力特别有价值-这些领域需要高质量的结构化数据。

Chegg新产品的优势已经获得了精英技术组织（包括“华丽七人组”成员）的早期客户认可，这表明第三方对其数据集的质量和差异化内容充满了有意义的信心。

Chegg人工智能服务总经理Erik Manuevo表示：“随着组织扩大人工智能的采用，挑战越来越从模型性能转向数据质量和治理。”“Gartner预测，到2026年，由于缺乏人工智能准备数据，组织将放弃60%的人工智能项目，这凸显了对可靠、校准的人工输入的需求。在Chegg，我们相信答案在于将严格的数据质量标准与经过严格认证和校准的主题专家的判断相结合。这就是Chegg具有独特优势来解决的差异化基础。"