纽约风险投资人Matt Turck与OpenAI后训练负责人Yann Dubois展开了一场深度对话，围绕人工智能领域的前沿动态展开探讨。从GPT-5.5的研发细节到强化学习的突破性进展，再到行业面临的长期挑战，这场访谈揭示了AI技术演进背后的核心逻辑。
作为OpenAI后训练前沿团队的联合负责人，Yann Dubois带领团队完成了GPT-5.5、o3等核心推理模型的优化工作。这位瑞士籍研究者拥有跨学科背景：在洛桑联邦理工学院攻读生物工程本科后，转战剑桥大学取得机器学习硕士学位，随后凭借斯坦福大学计算机博士身份加入AI研究浪潮。其主导的Stanford Alpaca项目曾以不足600美元的成本复现GPT-3.5水平，而Alpacaeval评估工具至今仍是行业基准。
关于AI发展的阶段性跃迁，Yann提出"可靠性临界点"理论。他指出，当模型出错概率降低至特定阈值后，用户感知会发生质变。这种渐进式改进在GPT-5.5的研发中尤为明显：该模型在发布前经历剧烈的情绪波动，从初期兴奋到中期质疑，最终通过效率提升与跨团队协作实现突破。内部测试显示，新模型在多数任务中的处理速度提升近两倍，这得益于预训练、推理优化与后训练团队的协同发力。
在组织架构层面，OpenAI采用纵向与横向团队协同模式。纵向团队深耕特定场景如Agent编程，横向团队则负责通用能力整合。Yann特别强调强化学习（RL）的崛起：当模型规模突破临界点后，RL开始展现超越监督微调（SFT）的潜力。他以数学竞赛场景为例，RL通过自主探索正确路径，有效避免了SFT可能导致的"虚构引用"问题。不过RL仍面临归因难题——当Agent完成长推理链后，难以精确追溯导致成功或失败的关键步骤。
针对预训练的未来走向，Yann反驳了"数据墙"理论。他以Anthropic的Mythos模型为例，指出单纯扩大规模仍能带来显著性能提升。对于多模态数据的价值，他认为在具身智能成熟前，文本数据已能支撑模型获得基础常识。不过他承认各公司都在探索数据扩展方案，只是具体路径属于商业机密。
在模型能力评估方面，Yann揭示了行业困境：随着模型超越人类平均水平，合格评估者日益稀缺。他提出的"模型即裁判"方案虽能形成能力飞轮，但评估集与训练集的重叠问题又导致"评估保质期"缩短。这种矛盾在持续学习领域尤为突出——尽管OpenAI三年前就承诺实现个性化学习，但至今仍未突破技术瓶颈。
对于创业公司的生存空间，Yann给出明确判断：AI通才与行业专家之间的差距，正是垂直领域的机会所在。他以法律场景为例，指出模型虽具备基础能力，但需要领域专家设计奖励机制并解决模糊性问题。这种观点与Matt Turck的AI生态图谱形成呼应——在2024年版的2011家AI企业中，大量初创公司正聚焦于模型落地的"最后一公里"工程。
