Екс-співробітник OpenAI заснував стартап для створення датасетів для навчання LLM
Екс-співробітник OpenAI Андрю Хо заснував стартап, який створює якісні датасети для навчання LLM за методом RL. Це дозволяє зменшити залежність від ручної розмітки та покращити точність моделей у спеціалізованих галузях, таких як біологія та медицина.
🚀 Перспективний стартап. Для компаній, що розробляють власні LLM, це може знизити витрати на дані, якщо стартап запропонує доступні датасети.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Засновник — Андрю Хо, колишній співробітник OpenAI та соавтор бенчмарка GeneBench-Pro.
- •Стартап розпочав роботу без назви, орієнтуючись на генерацію RL‑датaсетів для навчання LLM.
- •Початкові сфери застосування: биологія, статистика та аналіз реальних лабораторних знімків.
- •У тесті GeneBench-Pro модель GPT-5.6 Sol Pro розв’язала лише 31,5 % з 129 біологічних задач.
- •Хо оцінює, що індустрія може витратити понад 100 млрд дол. на вирішення проблеми нехватки верифікованих даних.
Як це змінить ваш ринок?
Для фармацевтичних компаній доступ до якісних біологічних датасетів може прискорити виявлення нових діючих речовин, зменшуючи затрати на дослідження. Якщо стартап запропонує доступні набори даних, це зменшить бар’єр входження для малих фірм, що хочуть використовувати LLM у науково‑дослідній роботі.
Визначення: RL‑дані — дані, отримані методом підкріпленого навчання, що використовуються для покращення навчання моделей мови через симулювання експериментів та автоматизованої перевірки правильності відповідей.
Для кого це і за яких умов
Для компаній з власним LLM‑тренінгом: потрібен доступ до API або пакету даних, бюджет від $5 000/міс, без великої IT‑команди, термін впровадження — 2–4 тижні.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| Внутрішня розмітка даних | $30/год праці | Внутрішні процеси | Аналітична команда | Повний контроль якості, але високі витрати та повільно |
| Маркетплейси датасетов (Kaggle, Hugging Face) | безкоштовно / дані не розкриті | Хмарні платформи | Інтернет‑з’єднання | Швидкий доступ, але дані могут не бути верифікованими для спецзавдань |
| Стартап Андрю Хо (RL‑дані) | дані не розкриті | API / пакет даних | Потребність у LLM‑тренінгу | Верифіковані датасети з известними еталонними відповідями |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
Machinelearning — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live