核心要点速览
- 发布后训练基础平台，只需几条智能体指令即可完成自有模型的训练、评估与部署
- 以研究预览形式提供持续评分与GS1，让模型从生产环境中的行为持续学习
- 由红杉领投融资6000万美元，估值3亿美元，旨在推动模型训练的民主化
从几条提示到训练、评估、部署，一气呵成
Trajectory联合创始人Ronak Malde（@rronak_，曾任职Google DeepMind，参与Windsurf的SWE-1，毕业于斯坦福）在X上宣布的，是一套用于对自有模型进行后训练的平台。只需几条智能体指令，即可使用覆盖训练、评估与部署的创作套件，并宣称支持万亿参数级模型。
其特点在于，它并不把自身定位为一次性的微调，而是让模型持续从世界中学习的基础。开发者可以定义自己的价值函数，并持续调整模型的行为。
出处[1]
持续评分与GS1所改变的，是部署之后仍在学习的模型
发布中还展示了两项研究预览。持续评分（Continual grading）能把人工难以逐一打分的大量偏好反映到训练中，让模型从更广的范围学习“什么才算好”。
GS1是一种新算法，让模型直接从它在生产环境中实际采取的行为中学习。它把部署后出现的行为转化为学习材料，追求的不是一次性调整，而是持续改进。
出处[1]
红杉领投6000万美元融资所揭示的“自有智能”边界
该公司在红杉领投的新一轮融资中筹集6000万美元，并宣布估值为3亿美元。其愿景是实现模型训练的民主化，让律师、医生和工程师都能拥有属于自己的智能。
正如其号召所言：“Know what good looks like, now go build it. Own your own value function with Trajectory.”他们要做的，是一套工具，让人自己掌握“好”的标准，并将其嵌入模型。
出处[1]
X（推特）首发原帖
可在 X 上直接查看创作者发布的原帖与互动详情。
常见问题
在Trajectory上可以对什么进行后训练？
面向自有模型，只需几条智能体指令即可完成训练、评估与部署。并宣称支持万亿参数级模型。
出处[1]
参考链接与官方出处
- Trajectory 関連ソース (1)x.com
