ตามการติดตามของ Beating อดีตนักวิจัยของ OpenAI และผู้ร่วมเขียน GeneBench-Pro Andrew Ho ได้ลาออกเพื่อเริ่มต้นธุรกิจ บริษัทใหม่นี้จะผลิตข้อมูลการเรียนรู้แบบเสริมกำลังคุณภาพสูงสำหรับโมเดลขนาดใหญ่ (ภารกิจฝึกฝนที่ให้โมเดลฝึกซ้อมและให้คะแนนตามผลลัพธ์) ผลิตภัณฑ์แรกเน้นไปที่ชีววิทยาและการอนุมานทางสถิติ โดยยังไม่เปิดเผยชื่อบริษัท
Ho เชื่อว่าโมเดลขนาดใหญ่ยังคงมีความบกพร่องอย่างรุนแรงในบางสาขา แม้แต่ในด้านการเขียนโปรแกรมที่ลงทุนมหาศาล โมเดลสามารถทำโจทย์และแก้ไขโค้ดได้ แต่การส่งมอบจริงมักต้องให้มนุษย์มาปิดท้าย
งานจริงส่วนใหญ่กลับไม่มีโจทย์ฝึกฝนที่เหมาะสม งานเหล่านี้ขึ้นอยู่กับบริบทเฉพาะ และยากที่จะให้ระบบตัดสินโดยอัตโนมัติว่าโมเดลทำถูกหรือผิด
วิธีของเขาคือการสร้างข้อมูลและปัญหาที่ใกล้เคียงกับการวิจัยจริง พร้อมคงคำตอบที่ทราบไว้ โมเดลสามารถสำรวจได้อย่างอิสระ ในขณะที่ระบบฝึกฝนสามารถตัดสินถูกผิดได้อย่างชัดเจน
GeneBench-Pro ได้ใช้วิธีนี้แล้ว การประเมินนี้ประกอบด้วยภารกิจชีววิทยาเชิงคำนวณ 129 ภารกิจ โดย GPT-5.6 Sol Pro มีอัตราผ่านเพียง 31.5%
บริษัทใหม่จะผลิตข้อมูลฝึกฝนจากภาพทดลอง เช่น จานเพาะเชื้อและ Western blot ก่อนขยายไปยังเคมี วัสดุ การแพทย์ และงานสำนักงาน
Ho คาดการณ์ว่า ห้องปฏิบัติการ AI ชั้นนำในอนาคตจะลงทุนมากกว่า 100,000 ล้านดอลลาร์สหรัฐในข้อมูลฝึกฝนที่แม่นยำ
