刚刚，OpenAI发布史上最强模型-o1，推理能力超人类博士！
添加书签
专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！
今天凌晨1点，OpenAI终于正式发布了传说中的“草莓”模型——o1。
除了名字不一样，功能、推理、性能等方面与之前泄漏的内容基本一致，o1的推理模式很特殊，在回答用户问题之前会进入拟人化思考模式，将问题分解成更小的步骤逐一解决，生成一个较长的内部思维链，回答的内容也更加准确。
这个技术谷歌DeepMind很早之前便进行过解读称为——训练时计算（Test-time computation）。其核心技术主要使用了密集型、流程导向的验证奖励模型搜索，以及自适应地更新模型对响应的概率分布两种方法。
根据OpenAI公布测试的数据显示，o1在美国数学奥林匹克预选赛中，排名美国前500 名学生之列，并且在物理、生物学、化学基准上，首次超过了人类博士。也就是说，o1超过了GPT-4o，是现役最强的超复杂推理大模型。
o1主要开发人员介绍该产品
已经使用上的用户表示，o1成功地写出了一首非常困难的藏头诗，以前的模型都无法写出来。它在生成答案的过程中疯狂反复推理、自我纠正，非常特别的推理模式。
已经尝试了o1 模型，进步非常大。推理能力更好，准确性和思维复杂性似乎也更好。
超过人类博士水平，这个结果太疯狂了！
期待已久的草莓模型终于来了。
太阳从西边出来了，这次居然没有候补名单？
感受一下AGI的震撼吧！
推理能力遥遥领先，这下能和Claude竞争了。
国际数学奥林匹克资格考试中，GPT-4o 只正确解决了 13% 的问题，而新模型的得分为 83%，编程竞赛中的表现更好，确实有点疯狂！
o1主要技术特点介绍
拟人化的推理模式是o1的主打功能之一，与传统模型不同，它在回答问题之前会进行深入的思考，生成一个较长的内部思维链。这种思维链的产生使得 o1 能够更好地理解问题的本质，分析问题的各个方面，从而给出更准确和合理的答案。
自适应强化学习、纠错则是其第二大技术特点，o1 通过大规模的强化学习算法进行训练，在训练过程中，模型学会了如何有效地利用其思维链来解决问题。
这种训练方法使得 o1 能够不断优化自己的策略，识别和纠正错误，学会将复杂的步骤分解为更简单的部分，并在当前方法不奏效时尝试不同的方法来解决。通过不断的学习和改进，o1 的推理能力得到了极大的提升，也就是说o1具备了智能体的功能。
o1使用了谷歌训练时计算类似的技术，OpenAI发现，随着训练时计算资源的增加和测试时思考时间的延长，o1 的性能会不断提升。这表明，通过增加计算资源的投入，可以进一步挖掘 o1 的潜力，使其在各种任务中表现得更加出色。
o1的其他主要特色应用功能包括，可以直接翻译一个不健全的句子，自动补全缺失内容；可根据提示自动编写复杂的视频小游戏；擅长解决超复杂、冗长的推理问题。
o1测试数据
OpenAI对o1进行了一系列的测试，以评估其在不同领域的性能。在竞争编程问题方面，o1 在 Codeforces 编程竞赛上的表现非常出色，超过83%的专业人员。
在数学竞赛中，以 AIME 2024 为例，GPT – 4o 平均只能解决 12% 的问题，而 o1 平均能解决74% 的问题，若采用 64 个样本的共识，解决率能达到83%。
使用学习到的评分函数重新排序 1000 个样本时，解决率更是高达 93%。这样的成绩使 o1 在该考试中的得分能够跻身美国前 500 名学生的行列，超过了美国数学奥林匹克的入选分数线。
在 PhD – Level Science Questions（GPQA Diamond）的测试中，o1 也展现出了优异的性能，超过了人类专家的表现。为了进行这项测试，研究人员招募了具有博士学位的专家来回答 GPQA – diamond 问题，结果发现 o1 的表现更为准确。
此外，o1 在 ML Benchmarks 的多个子类别中也有显著的改进。例如，在 MATH – 500、MathVista、MMMU、MMLU 等测试中，o1 的准确率均高于 GPT – 4o。
在其他考试方面，o1 在 APEnglish Lang、APEnglish Lit、APPhysics2、AP Calculus、AP Chemistry、LSAT、SATEBRW、SATMath 等考试中的成绩也显示出了巨大优势，整体比GPT-4o高出很多。
值得一提的是，这一次OpenAI没有再放鸽子，ChatGPT Plush和team用户已经可以使用该模型，同时开放了API，想体验的小伙伴们赶紧去试试吧！
本文素材来源OpenAI，如有侵权请联系删除
END
本篇文章来源于微信公众号: AIGC开放社区
