Trajectory获4500万美元融资

当前AI模型在开发过程中存在一个关键局限：它们需要进一步训练才能从错误中学习。 企业为特定领域（如法律和金融）应用这些模型时，通常通过微调通用模型来解决这个问题。 然而，这通常需要组建内部研究团队或依赖昂贵的顾问，即前部署工程师（FDEs）。 Trajectory是一家由三位斯坦福大学同学创立的初创公司，他们在Google DeepMind和Apple有经验，旨在自动化这一过程，使AI模型能够从反馈中学习，并在特定任务上持续改进。

这家18人的公司刚刚宣布，它在A轮融资中筹集了4500万美元，估值为3亿美元，由Sequoia领投，Nvidia、Bessemer Venture Partners和Bain Capital Ventures参与。 Trajectory联合创始人Ronak Malde将基础模型比作一个总是开始新工作的非常聪明的博士生。 他说，经济重视的是在一个岗位上工作了30年的人。 这家初创公司旨在通过一种称为持续学习的方法来解决这个问题。

使用Trajectory的企业可以从开源AI模型开始，并将平台连接到他们的应用程序，使其能够收集有关模型性能的反馈。 Trajectory然后使用这些信息来重新训练模型，帮助它在特定任务上随着时间的推移而提高。 Malde说，有了Trajectory，律师、医生和其他专家可以自己近乎自动地改进模型。 这项能力可以使部署专用AI更快、更便宜。

像Harvey和Rogo这样的公司已经使用Trajectory的平台对开源模型进行后训练，通过学习以前的任务，如审查特定类型的法律合同或使用特定方法评估公司，使它们表现得更像经验丰富的律师或金融分析师。 Trajectory的其他客户包括Decagon、Mercor和Nvidia。 这家初创公司现在正在公开其后训练平台。 使用Trajectory的人决定“什么对他们组织来说是好”，并将其转化为模型的改进，”Malde说。

“Trajectory的持续学习方法与递归自我改进（RSI）有一些相似之处，即AI系统可以提高自己的能力。 但联合创始人Michael Elabd认为，让人类参与训练过程使Trajectory的方法更安全，因为自主自我改进可能导致意外甚至危险的结果。 Trajectory不是唯一试图自动化后训练的初创公司。

它将Thinking Machines Lab（由前OpenAI首席技术官Mira Murati创立，该公司是微调平台Tinker的背后的公司）视为一个直接竞争对手，以及Applied Compute（上个月估值为32.5亿美元）和Prime Intellect（帮助公司构建和训练自己的AI代理）。 Malde认为，这家初创公司最大的优势是其团队。 他是谷歌DeepMind从Windsurf收购的一小群研究人员之一。

Elabd也在DeepMind工作过，而Trajectory的第三位联合创始人Arjun Karanam以前曾在苹果公司从事生成式基础模型的研究。 这家初创公司还招募了来自OpenAI、Stripe和Netflix的研究人员和产品设计师。 为什么设计对一家专注于AI训练的公司如此重要？ Karanam说，这家初创公司开发了一个界面，使后训练对其非技术客户更加容易。 当你通过我们文章中的链接购买时，我们可能会获得一小笔佣金。 这不会影响我们的编辑独立性。

Marina Temkin是TechCrunch的风险投资和初创公司记者。 在加入TechCrunch之前，她为PitchBook和Venture Capital Journal撰写了关于风险投资的报道。 在她职业生涯的早期，Marina曾是一名金融...