当前 AI 模型有一个共同局限：无论来自 OpenAI、Anthropic，还是基于开源构建，它们都不会从错误中学习，需要进一步训练。企业想把这些模型用于法律、金融等专业领域，通常得对通用模型做微调，而这往往意味着要养内部研究团队，或者依赖昂贵的顾问（forward-deployed engineers）。

Trajectory 这家成立约一年的初创公司想把这个过程自动化。三位创始人是斯坦福同学，曾在 Google DeepMind 和 Apple 工作。他们刚宣布完成 4500万美元 A 轮融资，估值 3亿美元，由 Sequoia 领投，Nvidia、Bessemer Venture Partners、Bain Capital Ventures 参投，团队现有 18 人。

方法叫 持续学习（continual learning）。企业用 Trajectory 时，可以从开源模型开始，把平台接到自己的应用上，系统会收集模型在实际任务中的表现反馈。Trajectory 再拿这些信息重训模型，让它在专业任务上逐步变好。联合创始人 Ronak Malde 把基础模型比作一个很聪明的博士生，但经济更看重的是同一份工作干了 30 年的人。

这套思路的卖点是让律师、医生这类专业人士近乎自动地改进模型，不需要研究团队介入。Harvey 和 Rogo 已在用 Trajectory 平台对开源模型做后训练，让模型表现更像资深律师或金融分析师，比如学会审阅特定类型的法律合同，或者用特定方法给公司估值。其他客户还包括 Decagon、Mercor 和 Nvidia。平台现已公开可用。

Trajectory 的方法和递归自我改进（RSI）有相似之处，但联合创始人 Michael Elabd 认为，让人类留在训练回路里更安全，因为完全自主的自我改进可能带来意外甚至危险的后果。它的直接竞争对手包括 Thinking Machines Lab——Mira Murati 创办、拥有微调平台 Tinker——以及上月估值 32.5亿美元 的 Applied Compute，还有帮企业构建和训练自有 AI Agent 的 Prime Intellect。

Malde 认为公司最大的优势是团队。他本人是 Google DeepMind 从 Windsurf 收购式招聘的少数研究者之一；Elabd 也曾在 DeepMind 工作；第三位联合创始人 Arjun Karanam 之前在 Apple 做生成式基础模型。团队还补充了来自 OpenAI、Stripe、Netflix 的研究者和产品设计师。Karanam 说，他们专门开发了一套界面，让非技术客户更容易完成后训练。