网通社科技快报
Trajectory获4500万美元A轮估值3亿 破解AI模型持续学习难题
斯坦福大学三位校友创立的AI初创公司Trajectory近日宣布完成4500万美元A轮融资，估值达3亿美元。本轮融资由红杉资本领投，英伟达、贝塞默风险投资与贝恩资本风投跟投。公司团队约18人，核心成员曾任职于谷歌DeepMind与苹果AI平台部门。
Trajectory聚焦AI模型的持续学习能力，旨在解决当前大语言模型部署后无法自主从错误中学习的根本局限。其平台允许客户接入任意开源基础模型，在业务流程中自动收集专业用户反馈（如律师修正合同审查结果、金融分析师调整估值建议），并周期性进行增量式再训练，使模型在特定任务上随时间持续进化。
该方案强调低门槛操作：法律、医疗等领域专家无需编码或理解神经网络，仅通过自然交互界面提供反馈，系统后台即自动完成数据清洗、样本筛选与模型更新全流程。已有法律科技公司Harvey与金融分析工具Rogo采用该平台，分别提升并购协议审阅与财务建模准确性，早期测试显示任务准确率平均提升超20%，模型迭代周期从数周缩短至数天。
技术上，公司可能融合参数高效微调（PEFT）、在线学习与RLHF变体策略，并通过任务隔离与记忆回放机制缓解灾难性遗忘问题。其定位并非构建新基础模型，而是专注“模型生命周期管理”，推动现有模型“越用越聪明”。红杉表示关注“能让AI真正活在业务流程里的技术”，英伟达参投则反映其向全栈AI生态延伸的战略意图。
目前公司计划扩充工程与产品团队，加强反馈数据治理与多模态支持能力。若模式验证成功，有望加速AI在法律、金融等强监管行业的渗透，但高质量反馈获取、跨领域泛化及责任归属等问题仍待实践检验。
Trajectory聚焦AI模型的持续学习能力，旨在解决当前大语言模型部署后无法自主从错误中学习的根本局限。其平台允许客户接入任意开源基础模型，在业务流程中自动收集专业用户反馈（如律师修正合同审查结果、金融分析师调整估值建议），并周期性进行增量式再训练，使模型在特定任务上随时间持续进化。
该方案强调低门槛操作：法律、医疗等领域专家无需编码或理解神经网络，仅通过自然交互界面提供反馈，系统后台即自动完成数据清洗、样本筛选与模型更新全流程。已有法律科技公司Harvey与金融分析工具Rogo采用该平台，分别提升并购协议审阅与财务建模准确性，早期测试显示任务准确率平均提升超20%，模型迭代周期从数周缩短至数天。
技术上，公司可能融合参数高效微调（PEFT）、在线学习与RLHF变体策略，并通过任务隔离与记忆回放机制缓解灾难性遗忘问题。其定位并非构建新基础模型，而是专注“模型生命周期管理”，推动现有模型“越用越聪明”。红杉表示关注“能让AI真正活在业务流程里的技术”，英伟达参投则反映其向全栈AI生态延伸的战略意图。
目前公司计划扩充工程与产品团队，加强反馈数据治理与多模态支持能力。若模式验证成功，有望加速AI在法律、金融等强监管行业的渗透，但高质量反馈获取、跨领域泛化及责任归属等问题仍待实践检验。