OpenAI 的 Yann Dubois
来自 The MAD Podcast with Matt Turck · 期号 2026-05-21
摘要
OpenAI 后训练前沿团队联合负责人 Yann Dubois 解释了为什么 AI 的进步突然变得真实。关键在于从原始模型能力转向有用、可靠的系统。GPT-5.5 是一个典型例子，强化学习正从数学和编程竞赛扩展到混乱的现实世界任务。他区分了 GPT-5.5 Thinking（扩展测试时计算）和 GPT-5.5 Pro（更快、更便宜）。后训练已成为关键前沿，评估、模型即裁判和持续学习是核心。持续学习在 ChatGPT 发布三年后仍是一个未解决的重大难题。初创公司应专注于 AI 的最后一英里，而不是构建基础模型。
深读
导读 原文信息有限，以下基于节目简介。本期节目邀请 OpenAI 后训练前沿团队联合负责人 Yann Dubois，解释为何 AI 进步突然变得真实可感。核心论点是：关键突破已从预训练转向后训练，强化学习正从数学竞赛扩展到混乱的现实世界任务，而持续学习仍是 ChatGPT 发布三年后最大的未解难题之一。 关键信息 - GPT-5.5 被作为典型例子，展示了从原始模型能力到有用、可靠系统的转变。 - 节目区分了 GPT-5.5 Thinking（扩展测试时计算）和 GPT-5.5 Pro（更快、更便宜）两种模式。 - 后训练已被视为 AI 最前沿的领域之一，评估、模型即裁判、幻觉、智能体工作流、GDPval 和持续学习成为核心议题。 - 持续学习在 ChatGPT 发布三年后仍被认为是 AI 最大的未解决问题之一。 - 节目建议初创公司应专注于 AI 的最后一英里，而非构建基础模型。 逐节讲解 从原始能力到可靠系统 节目探讨了为什么最近的 AI 进步感觉像一次阶跃变化。Yann Dubois 的团队负责 OpenAI 推理模型（包括 GPT-5.5）的后训练工作。讨论的核心是从原始模型能力转向构建有用、可靠的系统，GPT-5.5 的发布是这一转变的典型体现。 后训练：新的前沿 后训练已成为前沿模型竞争的关键领域。节目详细讨论了强化学习如何从数学和编程竞赛（具有可验证奖励）扩展到混乱的现实世界任务。GPT-5.5 Thinking 与 GPT-5.5 Pro 的区分，前者通过扩展测试时计算提升推理深度，后者追求更快的速度和更低的成本，是这一转变的技术体现。 未解决的难题与创业机会 Yann Dubois 指出，持续学习在 ChatGPT 发布三年后仍是 AI 最大的未解决问题之一。节目还讨论了评估瓶颈、模型即裁判、幻觉问题以及强化学习在更广泛经济领域（如法律、医疗）的可扩展性。最后，节目建议初创公司应专注于 AI 应用的最后一英里，而非与前沿实验室竞争构建基础模型。 值得注意 由于节目简介仅列出了话题标题，没有提供任何对话的具体内容或 Yann Dubois 的原话，以上解读只能覆盖节目讨论的话题范围，无法呈现任何论证细节、具体数据或技术原理。例如，关于 GPT-5.5 Thinking 与 Pro 的技术区别、强化学习如何扩展到现实世界、持续学习的具体挑战等关键内容，在简介中只有标题，没有展开。