- DeepSeek Harness v0.2.2-alpha.3 让执行轨迹保留失败工具的真实返回内容，而且该版本让自动审核请求携带 Session 身份和请求用途；该版本仍然属于预发布版本。
- Trajectory 的厂商研究报告称，单次任务轨迹可以在部分知识工作基准上提供训练信号，但是这些结果依赖任务分布、评分方法和训练条件，而且独立研究尚未复现这些结果。
- Trajectory 的另一项研究表明，通用模型评分器不一定能产生有效训练信号，而少量专家评分样本可以改善评分器；相关法律任务结果仍然存在置信区间重叠和评分一致性限制。
真实工具返回开始进入可复核的执行轨迹
DeepSeek 在 11 月 3 日发布了 DeepSeek Harness v0.2.2-alpha.3。这个预发布版本让 Trajectory 列表、详情和复制内容保留失败工具实际返回的文本，而且这个规则同时覆盖原生工具和嵌套调用。这个版本还让自动审核请求携带对应 Session 的身份和请求用途，并且这个版本会在动态请求头无效时阻止请求发出。
这个版本还把本地差异和拉取请求差异放入实验性的变更请求与工作树入口，而且这个版本增加了默认关闭的 apply_patch 工具。版本说明同时指出，文件修改前读取和外部修改防护现在默认关闭，但是沙箱限制和 Review 仍然保留。这个组合说明执行记录正在变得更完整，但是这个组合也要求企业单独核验每项默认配置。
对企业落地而言，训练系统只有保存工具的真实返回、会话身份、请求用途和代码差异，训练系统才能把一次失败还原为可审核的学习样本。合成错误文本会隐藏实际失败原因，但是完整轨迹也可能包含敏感数据，因此企业仍然需要执行访问控制、字段脱敏、保存期限和人工复核。预发布版本与默认配置的变化不能单独证明生产安全已经成立。
单次生产任务开始成为训练样本
Trajectory 在 11 月 2 日发布的《You Only Rollout Once》测试了法律分析、专业法律与金融推理、业务流程自动化和科学研究四个知识工作基准。该研究使用总参数为 2760 亿、激活参数为 120 亿的 Inkling-Small。组相对策略优化方法在每项任务上生成 8 条轨迹，因此每个包含 32 条轨迹的训练步骤覆盖 4 项任务；单次轨迹方法让同样的步骤覆盖 32 项任务。
该研究报告称，FlashREINFORCE 在 Harvey Legal Agent Benchmark 上用每项任务一条轨迹取得了与组相对策略优化方法相近的改进。该研究还报告称，FlashREINFORCE 在 PRBench 的保留任务评分上提高了 2.0 分，而组相对策略优化方法提高了 0.8 分。Trajectory 称为 GS1 的任务特定基线方法把 LABBench2 的保留任务通过率从 63% 提高到 68%，但是这些数字来自厂商研究，而且这些数字依赖指定模型、任务分布、学习率和评分器。
对企业落地而言，单次轨迹方法如果能够稳定工作，企业就可能利用不可重复的真实任务，而不必为同一业务请求构造多个相同环境。企业仍然需要把任务类型、输入权限、工具版本、评分标准和模型版本绑定到每条轨迹，否则训练系统无法区分业务难度差异与模型行为差异。现有结果只支持在指定基准中继续验证，现有结果不支持直接把全部生产日志送入训练。
专家标准决定训练信号是否有效
Trajectory 在同日发布的《Continual Grading》首先测试了一个通用模型评分器。研究团队让 GPT-6 Luna 使用一行提示为 40000 条轨迹评分，但是按照这些分数训练的模型几乎没有改进。研究团队随后使用 30 项专家评分任务构造候选评分器，并且研究团队再使用 30 项专家评分任务选择评分器。表现最好的标量评分器正确排列了 80.3% 的回答对，而成对评分器正确排列了 71.8% 的回答对。
法律任务显示了更严格的边界。Trajectory 在 Harvey Legal Agent Benchmark 上使用生成评分标准训练 Qwen3.6-35B-A3B，而且该方法在指定评估区间取得了 6.6% 的全部标准通过率；使用专家评分标准的方法取得了 4.4%，两种方法都从 1.4% 开始。研究团队明确指出两个结果的置信区间重叠，因此研究团队不能断定生成评分标准更好。Harvey 在 5 月公布的背景结果也显示，严格的全部标准通过率最高只有 7.1%，而且最高配置每项任务约花费 50.90 美元和 22 分钟。
对企业落地而言，评分器会决定模型强化哪些行为，因此评分器本身需要接受版本管理、专家复核和保留任务验证。企业可以让专家定义事实、结论、引用、结构和核验动作，但是企业不能把一个通用分数当作完整质量标准。法律基准还说明，模型表现会随专业领域变化，而且质量、成本与延迟需要一起进入验收记录。
平台开放与融资把研究路线推向供应市场
TechCrunch 在 11 月 2 日报道称，Trajectory 完成了 4500 万美元的 A 轮融资，而且该轮融资对应 3 亿美元估值。Sequoia 领投，NVIDIA、Bessemer Venture Partners 和 Bain Capital Ventures 参投。TechCrunch 还报道称，Trajectory 拥有 18 名员工，而且 Trajectory 已经公开提供后训练平台。
TechCrunch 转述称，Harvey、Rogo、Decagon、Mercor 和 NVIDIA 已经使用 Trajectory 的平台或成为客户。Trajectory 的研究文章则把生产轨迹、专家评分和开放模型后训练连接成一套技术路线。这些信息说明企业市场正在出现更完整的后训练供应，但是媒体转述和厂商研究不能证明平台已经具备长期可靠性、跨行业适用性或独立验证的客户效果。
对企业落地而言，采购对象正在从一次性微调服务扩展为持续收集轨迹、维护评分标准和更新模型的运行系统。企业需要把数据权属、模型权重、训练频率、回滚、审计、成本和供应商退出安排写入同一套治理边界。融资规模与公开供应状态能够说明市场投入正在增加，但是融资规模不能替代安全、质量和业务收益验证。
后续观察
- DeepSeek Harness 能否在正式版本中公布真实工具返回的脱敏、保存和访问控制边界。
- Trajectory 的单次轨迹方法能否在独立团队、不同模型和持续变化的生产任务中复现现有改进。
- 企业后训练平台能否让专家评分标准、模型更新、回滚记录和实际业务结果形成长期可审核的对应关系。
来源与核验
本文由英科铸数基于所列公开资料编辑撰写。事实与数据以原始来源为准；“对企业落地意味着什么”为英科铸数结合企业客户场景所作的编辑分析，不构成对第三方产品的背书。
← 返回每日观察