红杉播客：Trajectory 用 GRPO 变体让企业持续学习成本大降
Training Data (Sequoia) · rss · 2026-11-05
红杉 Training Data 播客对话 Trajectory 联合创始人 Ronak Malde，谈「持续学习」如何成为下一个学习范式：
- 现状：今天的 agent 卡在「伪持续学习」——智能但只能离线批量更新，像一张无法中途改道的纸质地图
- 两大研究押注：① Group Size-1 版 GRPO，从单次真实 rollout 学习而非对同一任务重放 16 次，免掉模拟环境；② meta-grader，能把 100 条代表性轨迹的评分传播到 10,000 条
- 案例：Harvey 训练的模型成本仅为前沿模型的 1/6，把开源基线在其自建法律 benchmark 上从 4% 提升到 18%
- 概念辨析：持续学习 vs 递归自我改进（RSI）——前者保留人在回路
- 预测：过去需要专职研究团队、数月和数亿美元算力的自训模型，现在几 clicks 即可；产品构建者将变成「园丁」，为会自己生长的产品搭好架子（trellis）
「创投」频道最新
- Robinhood CEO 谈 Agentic Trading 与代币化:让个人投资者分享 AI 时代所有权 — No Priors · 2026-11-05
- 四大巨头今年资本开支至少 7200 亿美元，AI 基建竞赛无人踩刹车 — The Verge AI · 2026-11-05
- 报告：2025年中国具身智能市场规模约9150亿元，同比增长20.4% — Icy-Shift-7557 · 2026-11-05
- Dropbox 创始人 18 年前的录屏 demo:一夜之间候补名单从 5 千涨到 7.5 万 — tibo_maker · 2026-11-05
- Binance 遭 63 亿美元黑客攻击后，Slop Cash 尝试用代币激励开源维护 — 0xSammy · 2026-11-05
- Anthropic 上半年账面亏 807 亿美元,实际经营现金流为正 39 亿 — NighthawkT42 · 2026-11-05