当前AI模型存在一个关键局限：若不进行额外训练，它们无法从错误中自主学习。为解决这一痛点，法律、金融等领域的企业通常雇佣内部团队或依赖昂贵的顾问对通用模型进行微调。
成立约一年的初创公司Trajectory旨在自动化这一流程。该公司近日宣布完成4500万美元A轮融资，估值达3亿美元。本轮由Sequoia领投，Nvidia、Bessemer Venture Partners和Bain Capital Ventures参投。
让AI像资深专家一样“持续学习”
Trajectory由三位拥有Google DeepMind和Apple背景的斯坦福校友创立。联合创始人Ronak Malde将基础模型比作聪明但缺乏经验的博士生，而经济体系更看重在特定岗位深耕多年的专家。
通过“持续学习”（continual learning）方法，Trajectory允许企业从开源模型起步，收集应用端的反馈数据，并据此重新训练模型，使其在特定任务上随时间推移不断优化。Malde表示，这使得律师、医生等专家能近乎自动地完善模型，大幅降低部署专业AI的成本与门槛。
目前，Harvey、Rogo、Decagon、Mercor及Nvidia等公司已在利用该平台对开源模型进行后训练（post-training），使其在处理法律合同审查或公司估值等任务时，表现得更像经验丰富的专业人士。该平台现已公开提供。
人机协同优于自主进化
尽管Trajectory的方法与递归自我改进（RSI）有相似之处，但联合创始人Michael Elabd强调，引入人类参与训练过程能避免自主进化可能带来的意外风险，从而确保安全性。
在竞争格局方面，Trajectory直面Thinking Machines Lab、Tinker、Applied Compute及Prime Intellect等对手。Malde认为，团队实力是其最大优势：核心成员来自Google DeepMind、Apple、OpenAI、Stripe和Netflix，兼具顶尖研究能力与产品设计经验，为非技术用户打造了易用的后训练界面。