参与 OpenAI GeneBench、GeneBench-Pro 等生物医学 AI 评测工作的研究员 Andrew Ho 已宣布离开 OpenAI，并将创办一家新公司，专注于打造高质量强化学习（Reinforcement Learning，RL）训练数据集。他的判断是，大型语言模型（LLM）的下一阶段瓶颈，不再只是继续堆叠 GPU 或扩大模型参数，而是能否拿到真正提升推理能力的高质量数据。
Andrew Ho：LLM 的泛化能力仍然有限
Andrew Ho 在离职文章中表示，外界目前对大型模型存在一项误解。他认为，LLM 的泛化（Generalization）能力依旧相当有限。即便 AI 产业已经投入数十亿甚至数千亿美元，模型在许多领域仍呈现他所说的“尖峰式能力（spiky capabilities）”。
他以程序开发举例称，虽然现有模型已经能解 Codeforces 题目，也能比他更好地把 C++ 迁移到 Rust，但在真实工作场景里，他仍需要亲自修改 AI 生成的 Pull Request。这在他看来，说明模型距离真正理解软件开发还有明显差距。也因此，他认为当下 AI 更像是在少数基准测试中表现突出，而不是已经具备可靠、可泛化的能力。
他把问题指向 RL 训练数据，而不是模型本身
Andrew Ho 认为，当前市场面临的核心问题不是模型能力本身，而是高质量 RL 数据极度稀缺。他指出，多数现有数据供应商并未真正参与大型模型训练，因此并不了解什么样的数据才能有效提升模型能力。
他还提到，许多具有经济价值的工作都高度依赖具体情境。无论是企业决策、医疗判断还是科研分析，都很难像数学题一样只有唯一答案，因此也难以直接被设计成容易评分的 RL 环境。即使人类采用了一条“最佳路径（Golden Path）”，其他可能的决策路径究竟是好是坏，往往也很难判断；在他看来，这正是当前 RL 训练的一大难点。
预测前沿 AI 实验室未来几年采购数据将超 1,000 亿美元
Andrew Ho 还提出一项预测：未来几年，各家前沿 AI 实验室在高质量训练数据采购上的投入可能超过 1,000 亿美元，而不是继续单纯依赖扩大模型规模。
他给出的原因是，随着 OpenAI、Anthropic、Google 等公司逐渐面临盈利压力，单靠 Scaling Law 已不足以持续推动模型能力提升。接下来更关键的，会是精确且高度针对性的数据 acquisition。Andrew Ho 表示，自己曾直接负责 OpenAI 从数据采购到模型训练的完整流程，因此清楚大型 AI 公司真正需要什么样的数据，也希望自己的新公司能成为 AI 实验室的重要供应商。
首批产品瞄准生物学与统计推理
Andrew Ho 表示，新公司的首批产品将聚焦两个方向。第一，是建立支持长链科学推理（Long-horizon Scientific Reasoning）的数据集。他提到，自己近期与 OpenAI 团队共同推出 GeneBench-Pro，就是为了测试 AI 是否真的能完成包含大量判断、探索和反复修正的科研分析，而不只是回答选择题。
他透露，目前 GPT-5.6 Sol 在 GeneBench-Pro 上的最高通过率仍只有约 30%，距离可靠协助科学研究还有很长距离。他希望通过高质量 RL 数据，把模型可靠性提升到 90% 以上。
第二个方向，是构建更贴近日常科研工作的数据。例如研究人员拍下一张细胞培养皿（Cell Culture Plate）、Western Blot 或其他实验图像后，直接向 AI 询问如何判读。Andrew Ho 认为，包括多模态模型在内，当前系统在这类真实科研任务上的表现仍不理想；如果希望 AI 真正参与科学发现，这类基础能力需要先补上。
后续计划扩展到医疗、材料和白领工作
除生物学外，Andrew Ho 还表示，公司未来将逐步扩展到化学、材料科学、医疗保健，甚至一般白领工作的 RL 数据。他也向 OpenAI、Anthropic 等 AI 实验室表示，公司将提供符合行业标准价格与合作模式的数据服务，欢迎有需求的 AI 公司直接联系。