Claro 用一个明牌的 confidence score 对抗 AI 幻觉
Claro 今天在 Product Hunt 上线，电子表格界面里跑 14 个任务专用 agent，做数据补全、PDF 抽取、URL 爬取、分类、去重。值得讲的是他们极其明确地拒绝做 chat 包装。
每个结果都带一个 confidence score。联合创始人 Tameesh Biswas 说得很直白：这不是凭感觉打的分。算法是来源可靠性占 40%，跨源一致性占 30%，模型确定性占 20%，检索质量占 10%。每一格都有引用，高风险的补全跑多模型共识，结果给用户之前还跑一遍 AI-as-judge 过滤。
目标客户是企业数据基础设施，一行错数据就毁掉一个 deal 的那种。Marketplace、分销商、多供应商目录。一份 CSV 丢给销售团队，里面一个幻觉出来的 CEO 名字就能烧掉一个季度。Claro 押的是 confidence scoring 是 CFO 唯一会同意 LLM 碰主数据的理由。
再往大了看，agent 产品的第二波拼的是信任管道，不是原始能力。现在谁都能发 agent。真正的差异化是输出可不可以审计。Claro 在这件事上下了重注，把 confidence 公式的权重直接亮出来，这种对采购友好的透明度，正是 procurement 团队真的会买单的东西。
链接 getclaro.ai
← 返回所有文章
每个结果都带一个 confidence score。联合创始人 Tameesh Biswas 说得很直白：这不是凭感觉打的分。算法是来源可靠性占 40%，跨源一致性占 30%，模型确定性占 20%，检索质量占 10%。每一格都有引用，高风险的补全跑多模型共识，结果给用户之前还跑一遍 AI-as-judge 过滤。
目标客户是企业数据基础设施，一行错数据就毁掉一个 deal 的那种。Marketplace、分销商、多供应商目录。一份 CSV 丢给销售团队，里面一个幻觉出来的 CEO 名字就能烧掉一个季度。Claro 押的是 confidence scoring 是 CFO 唯一会同意 LLM 碰主数据的理由。
再往大了看，agent 产品的第二波拼的是信任管道，不是原始能力。现在谁都能发 agent。真正的差异化是输出可不可以审计。Claro 在这件事上下了重注，把 confidence 公式的权重直接亮出来，这种对采购友好的透明度，正是 procurement 团队真的会买单的东西。
链接 getclaro.ai
评论