Trajectory 融资 4500 万美元，让非技术专家也能训练 AI 模型
行业AI 评分 72/100TechCrunch待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
Trajectory 完成 4500 万美元融资，目标是让不具备技术背景的领域专家也能参与 AI 模型训练。当前主流模型无论来自 OpenAI、Anthropic 还是开源方案，都存在一个共同短板：不经过额外训练就不会从错误中学习。企业把通用模型适配到法律、金融等专业领域时，通常采用微调的方式，但这往往需要组建内部研究团队，或聘请价格不菲的前置部署工程师（FDE）。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载融资与目标
Trajectory 获得 4500 万美元融资，用途指向一个具体问题：让非技术背景的专家也能参与 AI 模型训练。材料没有披露投资方、估值或产品形态，只给出了这笔资金的规模与它要服务的人群——那些懂业务但不懂模型训练的人。
通用模型的共同短板
材料指出，无论模型由 OpenAI、Anthropic 开发，还是基于开源替代方案构建，当前 AI 模型都存在一个关键限制：它们不会在没有额外训练的情况下从自身错误中学习。这意味着模型在专业场景里犯错后，不会自动纠正，需要外部干预。
企业现有的适配路径
面向法律、金融等专业领域的企业，通常的做法是对通用模型进行微调。这条路径的代价在于人力：企业要么自建内部研究团队，要么依赖外部顾问，材料中把这类角色称为前置部署工程师（FDE），并形容其费用高昂。Trajectory 想切入的正是这段由技术人力构成的成本。
为什么值得看
微调专业模型长期依赖昂贵的技术人力，若有工具能把这部分工作交给领域专家，企业适配成本结构可能改变。
OpenAIAnthropic微调融资
信源1 家
关键事实
相关 · 行业
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。