林纳（Liner）创始人兼首席执行官卢克·金（Luke Kim）- 采访系列

卢克·金（Luke Kim） 是林纳（Liner）的创始人兼首席执行官，林纳是一种尖端的AI驱动的研究工具，旨在简化和增强研究过程，帮助用户以5.5倍的速度完成任务。作为一个AI搜索引擎，林纳提供过滤后的搜索结果以获取精确的信息，并自动以各种格式生成引用，使其成为研究人员、学生和专业人士的宝贵资源。

您能告诉我们您的背景和是什么激发了您从事创业，特别是在AI和技术领域吗？

我的创业之旅始于解决现实世界问题的愿望。作为一名本科生，我被在线信息的丰富和可靠性所震撼。我想创造一个工具来简化这个过程，帮助学生区分来源。最初的想法是一个突出工具，筛选现有信息，随着时间的推移，这个想法发展成了今天的林纳：一个提供最可靠结果的AI搜索引擎。我被AI的潜力所吸引，AI可以改变我们处理和交互数据的方式。为学生、研究人员和专业人士创造有意义的解决方案的机会继续激励着我。

您在大学时期开发的浏览器扩展如何影响了林纳的愿景？

林纳的突出浏览器扩展是我第一次尝试解决信息过载的问题。它向我展示了人们如何重视那些使找到和组织关键信息更容易的工具。我了解到，即使简化工作流程的一个步骤，也会产生重大影响，无论是突出重要点还是提供相关来源。这个项目塑造了林纳致力于为用户创造无缝体验的承诺，帮助学生和研究人员筛选互联网上的多余噪音。

林纳最初的愿景是什么，它是如何随着时间的推移而演变的？

林纳最初是一个简单的工具，帮助用户突出和保存在线内容的关键部分。目标是让用户更容易关注最相关的信息而不会感到不知所措。随着时间的推移，我们意识到用户需要的不仅仅是一个收集和整理信息的工具——他们需要更好的方法来找到信息并判断其可靠性。这种认识指导了林纳转变为一个AI搜索引擎。

在将林纳从突出工具转变为AI驱动的搜索引擎的过程中，您面临的主要挑战是什么？

最大的挑战之一是确保我们的AI能够始终提供可靠和准确的结果。学术研究需要很高的可信度，满足这些期望至关重要。另一个挑战是将多年用户突出显示的数据集成到AI的训练过程中，同时保持平台的直观性。在技术创新和无缝用户体验之间取得平衡至关重要，但也非常有价值。

通过从头开始构建林纳的“代理”定义，我们能够创建一个强大且稳定的框架来理解什么是代理。然后，我们实施了一个优先考虑可靠性和可信度的搜索代理。鉴于我们的目标受众代表了可信度期望的顶峰，我们需要一个独特的解决方案来解决最复杂的问题。我们的优势在于利用我们的专有数据集、在代理定义过程中获得的技术洞察以及我们的实施专业知识。这些元素共同成为我们成功的最有力的工具。

您能详细说明用户突出显示的数据如何增强林纳的AI搜索结果的准确性和可靠性吗？

用户突出显示的数据作为一种有价值的质量控制层，帮助我们的LLM确定其他用户认为重要和可信的信息。通过利用这些策划的数据，我们能够在搜索结果中优先显示相关且可靠的信息。这种方法确保用户获得精确和可行的见解，同时避免不相关或低质量的内容。

林纳如何与其他AI搜索工具（如ChatGPT或Perplexity）区分开来？

林纳通过优先考虑可靠性和透明度而脱颖而出。每个搜索结果都包括一个引用，用户可以筛选出不太可靠的来源以确保准确性。另外，学生可以提取来源并在屏幕上查看原始引用文本。与为随意查询设计的工具不同，林纳专门为学生、学者和研究人员设计，帮助用户专注于深入学习和分析，而不是验证事实。这种对可信度和可用性的承诺使林纳成为1000多万用户的首选工具，包括加州大学伯克利分校、南加州大学、密歇根大学和德克萨斯A&M大学的学生。林纳继续通过与Tako等公司的合作而与众不同，这些合作将知识可视化工具集成到林纳中，以更易于访问和交互的格式呈现复杂数据，赋予用户深入研究的能力。

林纳采取什么措施来减少其AI响应中的幻觉，并且这如何影响用户的信任？

减少幻觉需要将AI生成的响应锚定到可验证的来源。林纳通过将其结果与学术论文、政府数据库和其他可靠的存储库进行交叉引用来实现这一点。我们的来源过滤系统还允许用户排除不可靠的内容，提供了额外的质量保证层。这些步骤不仅最小化错误，还建立了与用户的信任。

林纳的系统基于相关性（代理生成的声明与参考段之间的相关性评分）和事实性（评估代理生成的声明如何得到参考段的支持）。支持度越高，事实性评分就越高。由于我们的产品强烈鼓励用户验证声明以确保它们不包含幻觉，因此提高代理系统的事实性至关重要。最终，我们观察到事实性评分和用户留存率之间存在正相关性。

林纳采取什么措施来建立用户的信任，特别是那些对依赖AI获取关键信息持怀疑态度的用户？

建立信任始于透明度。林纳为每个结果提供明确的引用，允许用户自己验证信息。另外，我们根据可靠性对来源进行排名，并允许用户直接与原始内容进行交互。持续的用户教育和开放的沟通也在展示AI（当负责任地设计时）可以成为教育中可靠的盟友方面发挥着作用。

您认为哪些趋势将塑造学术研究和专业知识检索中的AI的未来？

AI将变得越来越个性化，适应每个用户的独特需求，并提供量身定制的见解。透明度将至关重要，因为用户将寻求更多地了解AI如何处理信息和提供结果。进步还将集中在解决信息过载和简化研究工具上。通过自动化数据收集和综合等重复性任务，AI将加速研究的早期阶段，使研究人员能够更专注于批判性思维、分析和创新。效率和智力参与之间的平衡将塑造学术和专业研究的未来。

林纳最近成功完成了2900万美元的融资。这个投资将如何帮助林纳发展，您将专注于哪些领域进行扩张？

这笔资金使我们能够推进提高AI在教育中的水平的使命。我们正在扩大全球团队，并推出新的功能，例如“论文模式”，旨在帮助学生提高论文写作、结构和格式的技能。我们还优先考虑与大学和专业组织的合作伙伴关系，以接触到更多的用户并展示AI驱动的研究工具的影响。最近与ThetaLabs和Tako等公司的合作扩大了我们的能力。这项投资凸显了可靠的搜索解决方案日益增长的需求，我们渴望在此基础上继续发展。

感谢这次精彩的采访，希望了解更多的读者可以访问林纳。