Trajectory

红杉「Own Your Intelligence」专题 6：持续学习-AI 智能体如何越用越好

2026年8月14日 · 20:15

Trajectory 联合创始人 Arjun Karanam 在红杉资本「Own Your Intelligence」系列压轴演讲中提出「经验差距（Experience Gap）」：模型 IQ 快速提升，但每次对话都像第一天上班，持续学习的核心是把被丢弃的智能体交互 token 转化为让智能体越用越好的信号，实现系统随使用而复利增长。他许下四个愿望：一是全链路可追踪，不只记录顶层动作，还要捕获包含子智能体和工具调用的完整调用树，用户的编辑、撤销、重试远比点赞点踩更有价值；二是评测贴近生产，每个任务要可重放，直接在生产级 Harness 上评分；三是 Harness 不该用「防呆」思维限制模型，而应提供清晰原语、让智能体接口尽可能接近用户界面、让工具返回信息丰富的响应而非简单的 Done；四是拥抱开放权重与模型路由，这是拥有权重并持续迭代的前提。隐私上他的立场很明确：不直接拿客户私有数据训练，而是对客户数据分布采样、合成等价数据后再更新模型。知识分三层：全局通用技能训练进权重，组织级偏好存进情景记忆，个人习惯留在上下文，各归其位、互不污染。他最后介绍 Trajectory 的产品愿景：把后训练的复杂旋钮交给幕后智能体，让任何公司约 15 分钟即可完成训练、评测与部署，拥有自己的经验层。

红杉「Own Your Intelligence」系列专题 4：Harvey 如何低成本搭建研究实验室

2026年8月13日 · 27:36

在红杉资本「Own Your Intelligence」系列分享中，法律AI独角兽Harvey联合创始人兼总裁Gabe Pereyra讲解了应用层公司如何在预算内搭建研究实验室：不与前沿实验室拼资金和算力，而是借力前沿生态（Frontier Ecosystem）竞争。面对律所客户极苛刻的保密要求，Harvey无法在真实客户数据上训练，于是让精通AI的顶尖律师——包括Gabe的弟弟Julio——以类似Vibe Coding的方式指导大模型，生成数千万Token级的高保真合成数据，并开源了LegalAgent Bench、合同数据集和尽调数据集，其中最大数据室含8000万Token，尽调集含超1000个用LLM做评委的单元测试。在后训练上，Harvey与Fireworks、Base 10、Trajectory等多家NeoLabs合作，把Kimi 3、GLM等开源基座模型后训练到特定任务可用的前沿水平，并主张在考虑后训练之前就建好覆盖60个国家的评测、监控与模型路由基础设施，让自研、开源、闭源模型走同一套生产流程。他还指出垂直产品的重心正从"赋能个人"转向"组织级AI生产力"，帮助律所协调成千上万个客户项目、20到30人的跨所团队与资源分配。Gabe以《点球成金》作结：应用层若用有限预算靠这套打法获胜，就改变了游戏。