The Pulse
Trajectory raccoglie 45 milioni di dollari e apre al pubblico la piattaforma di post-training dei modelli
Trajectory ha raccolto 45 milioni di dollari in un round Series A guidato da Sequoia e rende disponibile al pubblico la sua piattaforma di post-training dei modelli. Tra i suoi clienti figurano Harvey e Rogo, mentre due anteprime di ricerca
AI.info Team · Scritto con l’IA · verificato ·
In un articolo pubblicato il 2 novembre, TechCrunch ha riferito che Trajectory ha raccolto 45 milioni di dollari in un round Series A, a una valutazione di 300 milioni di dollari. Il round è stato guidato da Sequoia, con la partecipazione anche di Nvidia, Bessemer Venture Partners e Bain Capital Ventures. La startup, che conta 18 persone, propone un modo per consentire agli specialisti, e non solo ai team di ricerca sul machine learning, di perfezionare i modelli per il proprio lavoro.
Dai modelli generici al lavoro specialistico
Le aziende che adattano modelli di uso generale a settori come quello legale e finanziario spesso ne effettuano il fine-tuning per compiti specifici. Secondo TechCrunch, questo lavoro può richiedere un team di ricerca interno o consulenti noti come forward-deployed engineers. Il prodotto di Trajectory punta a consentire alle aziende di partire da un modello open source, collegarlo alle proprie applicazioni e usare i feedback sulle sue prestazioni per riaddestrarlo nel tempo. Il sito dell’azienda descrive strumenti per addestrare, valutare e distribuire miglioramenti ai modelli e afferma che la piattaforma funziona con qualsiasi agent harness.
Il cofondatore di Trajectory Ronak Malde ha paragonato i modelli fondativi a uno studente di dottorato molto intelligente che comincia sempre un nuovo lavoro. Malde ha dichiarato a TechCrunch:
«Ma ciò che l’economia valorizza è una persona che ha svolto quel lavoro per 30 anni»,
Malde è cofondatore di Trajectory.
Harvey e Rogo la usano già
Harvey e Rogo usano Trajectory per il post-training di modelli open source destinati al lavoro legale e finanziario. Tra gli esempi figurano la revisione di un particolare tipo di contratto e la valutazione di un’azienda secondo una metodologia specifica. TechCrunch ha riferito che anche Decagon, Mercor e Nvidia sono clienti.
Trajectory afferma che avvocati, medici e altri specialisti possono orientare i miglioramenti dei modelli definendo che cosa costituisca una buona prestazione per la loro organizzazione. L’obiettivo dichiarato dell’azienda è ridurre la dipendenza da team di ricerca dedicati e rendere più rapida e meno costosa la distribuzione di modelli specializzati. TechCrunch ha riferito che la startup stava rendendo disponibile al pubblico la sua piattaforma di post-training.
Due anteprime di ricerca affrontano il ciclo di addestramento
Trajectory ha pubblicato una ricerca su Continual Grading, un metodo pensato per estendere i giudizi degli esperti da un piccolo insieme di esempi a compiti che non sono stati valutati. Nella nota di ricerca dell’azienda, il team riferisce di aver addestrato un modello su Harvey-LAB usando griglie di valutazione generate o scritte da esperti. Secondo la nota, i risultati erano comparabili, ma la sovrapposizione degli intervalli di confidenza non ha permesso ai ricercatori di concludere che le griglie generate dessero risultati migliori. L’esperimento ha utilizzato 48 compiti etichettati per costruire il valutatore e altri 48 per selezionarlo. Si tratta di un test riferito dall’azienda su un benchmark definito, non di una prova che l’approccio funzioni altrettanto bene nei diversi contesti dei clienti.
Un articolo che accompagna la ricerca descrive Group Size 1, o GS1, come un approccio per apprendere da singole esecuzioni in produzione, anziché richiedere più tentativi nello stesso ambiente di esecuzione del compito. I ricercatori di Trajectory lo presentano come un modo per addestrare i modelli su attività del mondo reale che non possono essere facilmente riprodotte in un simulatore. Entrambi i metodi sono presentati come anteprime di ricerca.
Trajectory entra in un mercato del post-training affollato
TechCrunch cita la piattaforma Tinker di Thinking Machines Lab, Applied Compute e Prime Intellect tra le realtà che puntano al post-training automatizzato. Secondo l’articolo, Trajectory è stata fondata circa un anno fa da tre compagni di studi di Stanford: Malde, Michael Elabd e Arjun Karanam. Malde ed Elabd hanno lavorato in precedenza a Google DeepMind; Karanam ha lavorato sui modelli fondativi generativi ad Apple.
La scommessa di Trajectory è che le aziende possano trasformare i feedback generati durante il normale utilizzo dei prodotti in miglioramenti su misura per il proprio lavoro. La sua piattaforma collega l’addestramento dei modelli a questi feedback, mentre le anteprime di ricerca dell’azienda offrono test circoscritti di due metodi per valutare gli output e apprendere dalle attività in produzione.