EXPLORINEER
vi

US — TechCrunch

Trajectory huy động 45 triệu USD để giúp chuyên gia phi kỹ thuật dễ dàng huấn luyện mô hình AI

AI2 phút đọc

Trajectory là một công ty khởi nghiệp vừa huy động được 45 triệu USD để giúp người không chuyên về kỹ thuật dạy các mô hình AI học từ phản hồi. Mục tiêu là để AI tự cải thiện khi làm các công việc chuyên biệt.

Chuyện gì đã xảy ra?

Trajectory vừa công bố vòng gọi vốn Series A trị giá 45 triệu USD, với mức định giá 300 triệu USD. Vòng gọi vốn do Sequoia dẫn đầu, có sự tham gia của Nvidia, Bessemer Venture Partners và Bain Capital Ventures. Công ty này cho biết họ đang đưa nền tảng hậu huấn luyện (post-training) của mình ra công chúng. Nền tảng này giúp mô hình AI học liên tục từ phản hồi, thay vì phải nhờ nhóm kỹ sư chuyên gia làm việc thủ công.

Các con số chính

  • Số tiền huy động: 45 triệu USD (vòng Series A)
  • Định giá: 300 triệu USD
  • Số nhân viên: 18 người
  • Công ty được thành lập khoảng một năm trước bởi ba bạn học cùng lớp ở Stanford
  • Khách hàng đã dùng nền tảng gồm Harvey, Rogo, Decagon, Mercor và Nvidia

Vì sao cần học liên tục?

Các mô hình AI hiện nay, dù do OpenAI, Anthropic hay mã nguồn mở tạo ra, đều có một điểm yếu lớn: chúng không tự học từ lỗi sai nếu không được huấn luyện thêm. Doanh nghiệp thường phải tinh chỉnh (fine-tune) mô hình chung để dùng trong các lĩnh vực như luật hay tài chính. Cách này thường cần một nhóm nghiên cứu nội bộ hoặc các chuyên gia tư vấn đắt tiền, gọi là kỹ sư triển khai tại chỗ (FDE). Trajectory muốn tự động hóa việc này. Đồng sáng lập Ronak Malde ví mô hình nền tảng như một nghiên cứu sinh tiến sĩ rất thông minh nhưng luôn phải bắt đầu một công việc mới.

Vì sao điều này quan trọng?

Nếu làm được, việc đưa AI chuyên biệt vào sử dụng có thể nhanh hơn và rẻ hơn. Luật sư, bác sĩ và các chuyên gia khác có thể tự cải thiện mô hình mà không cần biết nhiều về kỹ thuật. Đồng sáng lập Michael Elabd cho rằng việc giữ con người tham gia vào quá trình huấn luyện an toàn hơn so với để AI tự cải thiện hoàn toàn, vì điều đó có thể dẫn đến kết quả ngoài ý muốn hoặc nguy hiểm.

Cần theo dõi điều gì?

  • Nền tảng công khai của Trajectory có thu hút được nhiều người dùng không
  • Cạnh tranh với Thinking Machines Lab (công ty của cựu CTO OpenAI Mira Murati, có nền tảng Tinker) và Applied Compute, vốn được định giá 3,25 tỷ USD
  • Cách Trajectory giữ con người trong vòng huấn luyện để bảo đảm an toàn

Chú giải

Trajectory
Công ty khởi nghiệp giúp mô hình AI học liên tục từ phản hồi để làm tốt công việc chuyên biệt.
Thinking Machines Lab
Công ty do cựu CTO OpenAI Mira Murati thành lập, làm nền tảng tinh chỉnh mô hình AI tên Tinker.

Nguồn: Đọc bản gốc trên TechCrunch ↗

Bài giải thích này được AI viết lại bằng lời dễ hiểu từ bài gốc. Hãy kiểm tra bài gốc để xác nhận thông tin.

Quảng cáo

Thêm 150 từ, học 10 từ mỗi ngày

Sổ từ vựng Dicter chỉ đưa những từ bạn đã thuộc vào sổ ôn tập.

AIITmedia

Anthropic sửa đổi hồ sơ IPO: doanh thu quý 3 gần 17 tỷ USD, cam kết hạ tầng khoảng 895,4 tỷ USD

Ngày 2/11 (giờ địa phương), Anthropic đã nộp bản sửa đổi bản đăng ký (Form S-1/A) lên Ủy ban Chứng khoán Mỹ (SEC) cho kế hoạch IPO, bổ sung kết quả quý 3 năm 2026 và các cam kết chi tiêu tương lai cho tài nguyên tính toán và hạ tầng AI. Doanh thu tháng 7–9 đạt 16,956 tỷ USD, tăng khoảng 47% so với quý trước, nhưng công ty ghi nhận lỗ hoạt động 567 triệu USD. Tổng cam kết hạ tầng khoảng 895,4 tỷ USD, trong đó khoảng 213,8 tỷ USD có thể hủy bỏ theo điều kiện trước khi hợp đồng bắt đầu, nên không phải toàn bộ là nghĩa vụ thanh toán vô điều kiện.

AIThe Register

AI có thể phá vỡ hệ thống pháp luật bằng cách tìm ra những kẽ hở trước đây bị ẩn giấu

Felix Ringe, nghiên cứu viên thỉnh giảng tại Trường Luật Stanford, cùng đồng nghiệp Linus Folkerts cho rằng các mô hình ngôn ngữ lớn đã đủ mạnh để tìm ra những mâu thuẫn có thể bị khai thác trong luật thành văn ở quy mô lớn, giống như cách chúng tìm lỗ hổng trong mã nguồn. Họ đưa ra một số khoảng trống tiềm tàng trong luật Đức mà họ phát hiện với sự trợ giúp của LLM, đồng thời cho biết chỉ chia sẻ những lỗ hổng mà họ tin là không gây hại nghiêm trọng. Các nhà nghiên cứu cảnh báo rằng lập luận pháp lý tự động với chi phí thấp có thể đe dọa hoạt động của hệ thống pháp luật, và cho rằng các nhà lập pháp có thể cần siết chặt quy trình làm luật, chẳng hạn bằng cách tự sử dụng AI tiên tiến.

AIArs Technica

Hầu hết các phép đo quá trình nhận thức then chốt đều không thống nhất với nhau

Một nghiên cứu đăng trên Nature cho thấy nhiều phương pháp dùng để đo lường tái đánh giá nhận thức, một năng lực cảm xúc then chốt trong liệu pháp hành vi nhận thức, dường như không đo cùng một thứ. Các nhà nghiên cứu đã xem xét bảng câu hỏi đặc điểm, đánh giá cảm xúc dựa trên nhiệm vụ và sự giảm hoạt động của hạnh nhân trong quá trình tái đánh giá, vốn thường được cho là phản ánh các khía cạnh liên quan của cùng một năng lực. Kết quả cho thấy hiện chưa có cách đo lường đáng tin cậy tác động của khái niệm này.

AIheise online

Claude Code: Anthropic siết chặt quy định chống sao chép game

Trước làn sóng chỉ trích về các bản sao game do AI tạo ra, Anthropic đã bổ sung hai chỉ dẫn mới cho mô hình Opus 5.5 nhằm ngăn Claude Code tái tạo các game cụ thể đã tồn tại. Các sản phẩm độc lập lấy cảm hứng từ thể loại quen thuộc hoặc dựa trên thiết kế và tài liệu của người dùng vẫn được phép. Tuy nhiên, một số nhà phát triển cho biết Claude Code từ chối hỗ trợ dự án của họ về cơ chế game, phần mềm chống gian lận và dịch ngược, và chưa rõ các trường hợp này có liên quan đến quy định mới hay không.