Trajectory发布持续学习平台：企业AI如何把专家反馈变成训练信号

企业不缺能回答问题的通用模型，缺的是让模型逐步掌握本公司工作标准的方法。Trajectory 于 2026 年 11 月 2 日发布后训练平台，并披露由红杉资本领投的 4500 万美元 A 轮融资；TechCrunch 在北京时间 11 月 3 日跟进报道。值得关注的产品方向，是把业务专家的判断接入训练、评估和部署流程，而不只是换一个聊天入口。

这次发布了什么：融资之外，还有产品工作流

据官方发布文，Trajectory 将任务执行环境、评估、训练和部署整合到一个平台，让团队带着已有任务与评分方式开展后训练。公司披露，本轮估值为 3 亿美元，参与方还包括 NVIDIA、Bessemer 和 Bain Capital Ventures。融资金额与估值是公司披露的数据，不代表平台效果已获独立验证。

官网文档把入口分成两类：一类是从已有的任务规范和基准测试出发，先测基础模型，再训练、比较候选版本并部署；另一类是采集生产应用中的执行记录与结果。后者在本次核验时仍标为私有测试，因此不能将平台发布理解为所有企业已经可以无条件接入全部功能。

背景：为什么业务纠错不会自动成为模型能力

修改提示词、补充知识库与更新模型参数，解决的是不同问题。员工在一次对话里纠正答案，并不意味着同一个基础模型下次就会记住这套标准。要把纠错变成稳定能力，团队还需要知道哪些记录可训练、什么结果算好，以及如何判断新版本有没有退步。

Trajectory 的文档要求团队提供任务、执行框架与评分器，或先收集记录再定义学习信号。这说明业务数据只是起点：如果历史记录包含错误、客户敏感信息或互相矛盾的验收标准，直接扩大训练量并不能替代数据筛选与专家判断。

技术看点：让专家标准参与评分

与平台一同公开的 Continual Grading 研究，尝试从少量专家评分样例中学习判断方式，再为新的任务构建相应评分程序。这里的重点，是不同任务应有不同标准：一段客服回复是否合格，与一份合同分析是否充分，不能只靠统一的“语言流畅”尺度评判。

官方将 Continual Grading 和 Group Size 1 都标为研究预览。本文将其视为产品和研究方向，不把发布方的效率、成本或性能比较当作对所有业务的保证。自动评分也可能继承样例偏差，仍需与人工复核结果定期比对。

可能带来的影响：模型采购之外，多了一项运营能力

对企业来说，潜在变化是把专家经验变成可持续维护的训练与评估资产。一次有价值的纠错，可以先成为测试案例，再决定是否进入训练集；同一套标准也能帮助比较通用模型、领域模型和新训练版本，而不是只凭演示效果作选择。

这是基于工作流的分析，并不意味着每家公司都值得训练专用模型。任务量较小、需求变化快或缺少合格评分样例的团队，可能先完善提示词、检索和人工审核更合适。是否采用后训练，应同时计算数据整理、算力、评估和维护成本。

适合哪些人关注：有重复任务和明确验收标准的团队

企业 AI 产品负责人、客服自动化团队、开发者平台及具备领域专家的组织，值得跟踪这一方向。一个可操作的试点，是选定范围有限的重复任务，固定一组不参与训练的测试样例，比较基础模型与训练版本的成功率、人工修改量和单任务成本。

涉及专业服务或客户数据时，还应先明确数据使用权、脱敏方式和审批责任。官网介绍了评估与审批流程，真正落地仍需检查自身权限配置、更新记录和回滚条件；本文没有实际接入或独立复测平台。

来源参考与核验边界

1. Trajectory 官方：平台发布与 4500 万美元 A 轮融资，2026 年 11 月 2 日
2. Trajectory 官方文档：任务规范、生产记录、训练与评估入口
3. Trajectory 官方研究：Continual Grading，2026 年 11 月 2 日
4. TechCrunch：Trajectory 融资与面向非技术专家的模型训练平台

本文综合官方发布、开发文档、研究说明和媒体报道原创撰写。核验日期为 2026 年 11 月 3 日；融资、客户使用及研究效果属于发布方或报道方信息，可用范围以实际申请和官方最新文档为准。