阿帕娜·迪纳卡兰

当其他人竞逐模型规模时，阿帕娜·迪纳卡兰专注于部署之后发生的事情：追踪行为、评估失败，并把生产环境中的证据转化为更好的智能体系统。她的工作推动人工智能可靠性成为一门工程学科，而非发布当天的一句承诺。人工智能最关键的较量日益发生在模型上线之后，体现在追踪记录、失败分类、评估器设计，以及从生产实践中学习的艰难工作中。迪纳卡兰把这一运营层确立为自己的专业领域。作为Arize AI联合创始人兼首席产品官，她帮助可观测性从面向预测模型的专业领域，发展为适用于生成式应用和智能体的实用架构。2025年，她共同提出Prompt Learning方法，把来自评估和标注的自然语言批评反馈到系统指令中。公司发布的测试显示，在一次选定的Big-Bench Hard测试中，成绩提高十个百分点；同时，修改保持可读、可审核，而不是被埋入模型权重。