Trajectory 完成 4500 万美元 A 轮融资，向非技术专家开放模型后训练
Trajectory 融资 4500 万美元，用持续学习让律师、医生等业务专家自己改进模型，替代昂贵的驻场工程团队。
现有 AI 模型无论来自 OpenAI、Anthropic 还是开源，不做额外训练就不会从错误中学习。企业通常用微调（用领域数据继续训练通用模型）适配法律、金融等专业场景，但往往要自建研究团队或聘请昂贵的前沿部署工程师（FDE，驻场帮客户落地并调优模型的工程顾问）。Trajectory 想把这一步自动化。
正文摘录
Trajectory 融资 4500 万美元，让非技术专家也能训练 AI 模型 无论是由 OpenAI 还是 Anthropic 研发，抑或基于开源替代方案构建，当前的 AI 模型都有一个关键局限：如果不做进一步的训练，它们无法从自己的错误中学习。 企业要把这些模型改造到法律、金融等专业领域，通常的做法是对通用模型做微调(fine-tuning)。但这往往需要组建内部研究团队，或依赖昂贵的顾问——这类角色通常被称为前向部署工程师(forward-deployed engineers，FDE)。 [Trajectory](https://www.trajectory.ai/) 想把这套流程自动化，让 AI 模型能从反馈中学习，并在专业任务上持续变强。这家创业公司大约一年前由三位斯坦福同学创立，他们都有 Google DeepMind 和苹果的工作经历。 这家 18 人的公司刚刚宣布完成 4500 万美元 A 轮融资，估值 3 亿美元，由 Sequoia 领投，Nvidia、Bessemer Venture Partners 和 Bain Capital Ventures 参投。 Trajectory 联合创始人 Ronak Malde 把基础模型比作一个非常聪明的博士生，但总是在换新工作。"而经济真正看重的是在一个岗位上干了 30 年的人，"他告诉 TechCrunch。 这家公司想用"持续学习"(continual learning)的思路解决这个问题。使用 Trajectory 的企业可以从一个开源 AI 模型起步，把平台接入自己的应用，让它收集模型表现好坏的反馈。Trajectory 再用这些信息重新训练模型，帮助它在专门任务上随时间不断改进。 Malde 说，借助 Trajectory，律师、医生等专家几乎可以自动地自行改进模型。