Handshake AI 团队¶
⚠️ 这是一个团队页而不是个人页：本库目前关于 Handshake AI 的全部材料来自一期七人同时在场的节目（Latent Space × Handshake AI，2026-11-09），而转录稿无说话人标签，归属为编辑判断。 ✅ 本页只记每个人在期内被明确自述的身份与他在哪一段讲话；不把任何观点归给未能确认的人。
公司：Handshake（原为美国大学生求职平台），AI 业务线为 Handshake AI。✅ 自述形态是"专家网络 + 数据/环境/评分卡制作 + 为前沿实验室做 eval 与安全诊断"；⚠️ 本库此前只有一条来自外部的侧写——Tenex 那期把 Micro1 / Mercor / Handshake 并列，指出"九成以上收入来自实验室"并给了一条可证伪推理（视频页 [00:16:49]–[00:17:49]）。
期内在场的七人¶
来源：Latent Space × Handshake AI（本页以下全部时间戳均出自这一期）
⚠️ 除 Garrett Lord、Nick Magazine、Steve Kelling 三人外，其余四人的姓氏在期内都没有出现，本页不补。
| 人 | 期内自述身份 | 讲哪一段 |
|---|---|---|
| Garrett Lord | Handshake 创始人 / CEO | 开场与收尾（数据市场、企业落地、招聘） |
| Nishant | 此前在前沿实验室，自述"过去 5–6 年在实验室工作、2021 年起"、"过去 10 年都在看数据与做 eval"；⚠️ 自述待过的两家机构字幕作 "MEI and GDM"，GDM 可高置信还原为 Google DeepMind，"MEI" 不可确证 | 开场（买方怎么验收数据）、安全段（RSI 与对齐）、收尾（企业三步） |
| Sahil | 负责数据与实验室合作 | 开场（环境制作全流程）、金融段（评分卡设计、eval 与 RL 的分野） |
| Nick Magazine | 背景是 clinical vaccinology、SARS-CoV-2 研究与分子生物学；在 Handshake 负责 STEM 业务含生命科学垂类 | 生命科学段（assay 判读的任务讲解） |
| Yonas | ⚠️ 字幕在 "Yonas" 与 "Jonas" 间摇摆；自述负责前沿 AI 评估方向的研究，"做 AI 研究约 15 年"，领域为计算生物学、AutoML、数据策管 | 生命科学段（vision encoder 瓶颈、合成数据失效、RSI 反驳） |
| Collin | 2026 年 2 月加入；此前"在金融业 13 年，在一家 major bulge bracket bank 做能源，然后做了很多房地产私募股权" | 金融段（Atlas 环境与失败轨迹解剖） |
| Steve Kelling | 负责 safety and alignment 业务；✅ 自述该业务"更像一个服务组合而不是 post-training 数据销售"、"作为诊断伙伴帮前沿实验室理解一次新模型发布可能带来的风险"（[01:53:06]） | 安全段（CareBench、两个 agent 环境） |
- ⚠️ 公司规模口径在期内不自洽（[00:28:54]）：主持说"400、500 这会儿"，Garrett 回答"内部我们是 800 人，800 左右"。✅ 本页不写定。
- ⚠️ 而那条增长预测的对象是"全职创作数据的专业人士"而不是全体员工："今天是几百，未来会是几千。"
- 办公地点（[02:42:39]）：SF、纽约、柏林、伦敦、班加罗尔；⚠️ 另提到"尼日利亚在这类人才上是个很大的市场"，而 Garrett 在此处做了一次没有说完的自我修正（"data labeling，不是——我们叫它……"）。 ✅ 本库记这处断裂，见视频页末节。
本库从这个团队拿到的实质内容¶
✅ 全部细节在视频页，本页只给索引与本库的定性。
⚠️⚠️ 一、一个单位训练数据的完整制作流程（本库此前完全没有）¶
模拟工具（Docker 里的 Excel / Outlook / Bloomberg / FactSet）→ 用"真实世界种子 + 专家扩充"填充世界 → 两条审计判据 → 防 reward hack 的 rollout 关卡 → 出任务 → 写几百行评分卡（[00:05:11]–[00:10:21]）。
- ⚠️⚠️ 结论是一个工期数字："端到端这些事情——我是说它们要好几天。而那是一个单位的数据"（[00:10:21]）；而量级是"每个具体领域几百乃至几千个环境，几千乃至几万个任务"（[00:11:21]）。
- ⚠️ 而他们否掉了一个外界容易顺着说的推论："我不觉得你现在非得要世界上最好的教授来训练模型"——做了两年的投行家就够（[00:02:07]）。
- ✅ 本库判这一节是本库关于数据产业唯一的内部流程描述，值得长期保存。
⚠️⚠️ 二、买方（实验室）怎么验收数据¶
花一整天只看一条数据 → 识别模板化合成痕迹 → Goldilocks 判据（太行或太不行都不可用）→ ablation → embed 后看 cluster 多样性（[00:16:29]–[00:19:31]）。
- ⚠️⚠️ 最有结构性的一条是时间约束变成了护城河："从收集数据、post-train、到发布之间最好也就几个月……因为在时间压力下并没有很好的办法去测试数据是不是高质量"（[00:19:31]）。
- ⚠️ 而买方的浪费率被给了一个数量级："你可能只用了我们实际采购的数据里不到 10%"（[00:22:38]）。
- ⚠️⚠️ 以及一条本库此前没有的训练侧现象："loss 曲线看起来很棒……你拿最后那个 checkpoint 开始玩，它毫无道理"（[00:17:29]）。
⚠️ 三、三个 benchmark¶
- vials（生命科学）：测的是 assay 判读——"题目是高年级本科、研究生水平，但这些 assay 大多是实验技术员、实习生会做的事"，专家一分钟内完成（[00:39:12]–[00:40:13]）。⚠️⚠️ 而落点是那句："AI 不可能在它能读懂这些非常基础的图像之前就治好癌症"（[00:44:20]）。
- Atlas（金融）：100 个任务、13 个环境；agent 接管一个 banker 的 persona，先做一次横跨邮件/日历/云盘的 fact-finding（[01:13:03]）。⚠️⚠️ 而本库判最该保存的是那次失败解剖：2,600 条活公式里不到 50 个单元格错，全部由一行决定，而"它知道答案，就是在关键那一步没有应用那个知识"，且全程没有表示过不确定（[01:25:30]–[01:28:32]）。
- CareBench（儿童安全）：500 条 prompt、开源、12 个风险类别；标注队伍是临床心理学家 + 儿童保护调查专家 + 一大群家长（[01:55:10]–[01:57:15]）。⚠️ 而最该保存的发现是商业伙伴的反馈——"他们的安全政策里有一堆他们自己没意识到的缺口"（[01:56:12]）。
⚠️⚠️ 四、一处跨段的一致指认，本库判它比任何单条论断都更耐放¶
金融段与安全段由不同的人、在不同环境里、独立地指认了同一个失效：知识在权重里，但没有进到那一步的行为里。
- 金融段："如果你今天去问这个模型……它知道答案。它就是不应用那个知识"（[01:25:30]）。
- 安全段："法条是非常公开的……这些都是模型应该有觉知的东西。问题在于那份觉知有没有进到它怎么处理这个任务的应用里"（[02:15:59]）。
- ✅ 而两处都强调了同一个加重因素：模型没有表示过不确定。 🔗 记在 LLM 心理学 与 评估与 Benchmark。
⚠️ 五、可证伪的预测与可核对的现状¶
- 市场："三年前十亿，现在一百亿，三年后我看不出它怎么会不是一千亿"（[02:40:36]）。⚠️ 本库记为可证伪但本期无单价、无自身收入口径，数量级不可独立核算。
- ⚠️⚠️ 而方向相反的那条现状判断本库判可信度更高，因为说它的人没有唱衰落地的动机："除了在职场里用 copilot 之外，非常非常非常少的公司真的在用 AI 做端到端的自动化……我觉得那会是 2027 年一个真的很大的问号"（[02:37:31]）。
- 对齐："我不会意外如果两年后全部数据都变成对齐，或者数据行业的大多数变成对齐行业"（[02:19:10]），✅ 配一个很干净的网球场类比说明"只给正奖励不够"（[02:20:10]）。