A Model For Everyone: How Ronak From Trajectory Is Building Products For Continual Learning

Harvey 用 Trajectory 平台把法律 AI 模型训练成本降到六分之一，准确率从 4% 提升到 18%。

大模型训练过去是巨头才能玩的游戏，普通公司想自定义模型，得花几千万美金、半年时间和一大堆人力。Trajectory 把训练、评测、部署做成一键式产品，Harvey 等客户用它把训练成本砍到六分之一，还能用自家数据持续优化模型。持续学习到底怎么让 AI 像人一样边用边学？这期用具体例子和比方讲清楚 Trajectory 的关键机制和落地难点。

大部分公司训练 AI 还是“批量更新”，得先收集一堆数据，统一训练，半年后才能上线新模型，像出门前先画好地图，路上想改路线还得回头重来。

• 传统做法：训练大模型要几千万美金、几十人团队，周期 6-9 个月，Harvey、Cursor 都经历过。
• 持续学习的目标：像 Google Maps 那样，模型能边用边学，每次有新数据就能自动更新，实时优化结果。
• Trajectory 的产品：训练、评测、部署全做成一键式界面，公司只需上传“任务轨迹”（用户和 AI 的真实交互记录）和“好结果的标准”，就能自动训练和上线新模型。

Harvey、Rogo 等 AI 原生公司用 Trajectory，把行业经验和数据直接变成模型能力，成本和效率都大幅提升。

• Harvey 案例：Harvey 用 Trajectory 训练法律 AI，准确率从开源模型的 4% 提升到 18%，训练成本降为原来的六分之一。
• Rogo 案例：Rogo 追求“智能密度”，用 Trajectory 训练出的金融 AI，能用更少的 token（AI 计算单位）完成同样任务，速度和成本都优于大模型。
• 核心机制：“轨迹”是 Trajectory 的基本单位，指一次完整的任务执行过程（比如一份合同的起草和修改），比只看 token 更贴近真实工作。

让 AI 像人一样边做边学，难点在于“环境”和“奖励”很难自动生成，Trajectory 用新算法和产品设计降低了门槛。

• 环境问题：传统算法（如 GRPO）要求同一任务反复在同样环境下跑 8-16 次，现实中很难做到。Trajectory 推出“group size one”算法，只需每个任务跑一次，就能学到经验，大幅减少对环境的依赖。
• 奖励问题：过去要人工标注每条数据的好坏，效率极低。Trajectory 让用户只需密集标注 100 条典型数据，然后用“metagrader”算法把标准推广到上万条数据，极大降低了人工成本。

“我们想让每家公司都能用自己的经验，像 Google Maps 一样让模型边用边学，最终让 99% 的企业都能用上 AI。”

• 如果你是 AI 原生公司，可以用 Trajectory 这类产品，把自家数据和经验直接变成专属 AI，效率和成本都有数量级提升。
• 设计 AI 产品时，别只盯着 token 或参数，试着用“任务轨迹”这种更贴近业务的单位，能更好衡量和优化模型实际价值。