TechWeb 文/卞海川
毫無預(yù)熱的情況下，Open AI于9月13日凌晨發(fā)布了o1系列的大模型，這是傳聞中內(nèi)部代號為“草莓”的項目，也是OpenAI首款具備復(fù)雜推理能力的大模型。
與其前代模型相比，新模型o1擅長通用復(fù)雜推理，在物理、信息學等領(lǐng)域表現(xiàn)優(yōu)異，OpenAI CEO奧特曼稱它是一種新范式的開始：可以進行通用復(fù)雜推理的人工智能。
OpenAI把新的模型發(fā)布稱為「預(yù)覽版」，強調(diào)o1系列仍處于早期階段。
作為早期模型，它尚不具備ChatGPT的許多有用功能，例如聯(lián)網(wǎng)搜索以及上傳文件和圖像。
雖然處于開發(fā)初期，但o1系列在競賽數(shù)學、編碼、科學等類目都有非常不錯的表現(xiàn)，其中競賽數(shù)學類甚至大幅領(lǐng)先GPT-4o。
你可以簡單理解為，o1系列模型是一個極度“偏科”的理工型人才。
根據(jù)官方的解釋，o1系列模型采取“思維鏈”的模式進行訓練，以此提升大模型的邏輯推理能力。
所以在回答問題之前，它會花更長時間思考，也就是說，o1系列并不追求信息輸出反饋的速度，而是更在乎推理結(jié)果的準確性。
為了更好的了解o1系列的能力，我們對它進行了一些簡單的測試。
我們首先用一些之前大模型都愛翻車的簡單題目來測試一下o1系列的推理能力。
“單詞strawberry里面到底有幾個r”
不出意外，GPT-4o依舊翻車，給出的答案是錯誤的。
讓我們驚喜的是，GPT-o1的回答就非常準確，
“9.11和9.8誰更大？”
GPT-4o在1秒內(nèi)回答，但是給出了錯誤答案。
難倒了一眾大模型的小數(shù)位比大小問題，o1系列沒有翻車，在等待了10多秒以后，o1給出的答案是正確的。
我們再來一些正常的推理題，選擇經(jīng)典的小學奧數(shù)水平“空瓶換汽水”問題。
原題如下：“1元錢一瓶汽水，喝完后兩個空瓶換一瓶汽水，問：你有20元錢，最多可以喝到幾瓶汽水？”
很遺憾，在第一次回答的結(jié)果上，4o和o1系列都給出了錯誤的39瓶答案。
但區(qū)別在于，如果我告訴它正確的答案，o1系列會糾正自己的錯誤，給出新的解題思路，但GPT-4o依舊覺得自己的回答是正確的。
接下來我們把難度升級，測試一下競賽類題目o1系列模型的能力。
據(jù) OpenAI 介紹，在測試中，o1系列模型在物理、化學和生物等具有挑戰(zhàn)性的基準任務(wù)上的表現(xiàn)達到了博士生的水平。
這一模型在數(shù)學和編碼方面表現(xiàn)出色。在國際數(shù)學奧林匹克（IMO）的資格考試中，GPT-4o 只正確解決了 13% 的問題，而 o1 模型的得分率則高達 83%。
o1系列模型的編碼能力也在競賽中得到了評估，在 Codeforces 競賽中達到了第 89 個百分點。
Open AI CEO奧特曼在剛剛結(jié)束的2024 IOI信息學奧賽題目中，o1的微調(diào)版本在每題嘗試50次條件下取得了213分，屬于人類選手中前49%的成績。也就是說，它已經(jīng)超過了大多數(shù)人類數(shù)學天才!
如果允許它每道題嘗試10000次，就能獲得362.14分，高于金牌選手門檻，可獲得金牌。
我們選取了AIME 2023的真題，該數(shù)學競賽的題目難度比IMO稍低，但仍處于數(shù)學競賽題目難度前列。
經(jīng)過測試，o1和4o給出了兩個完全不一樣的答案，雖然解題思路步驟我們沒看懂，但從官方給出的答案來看，o1的結(jié)果是正確的。
最后，我們來測試一下o1系列代碼能力，以經(jīng)典的俄羅斯方塊小游戲作為考題。
我們給o1模型提了要求，然后將所有代碼復(fù)制運行，一字未改，成功實現(xiàn)俄羅斯方塊小游戲。
寫在最后
經(jīng)過我們的簡單測試，o1系列模型的最大亮點是顯著增加了邏輯推理能力，以前GPT-4o回答不上來的問題，o1系列可以給出正確的解題思路，它已經(jīng)不僅僅是簡單的生成答案，而是能夠提前規(guī)劃、思考，更接近人類的思維過程。尤其是在數(shù)學領(lǐng)域表現(xiàn)突出。
不過，它在特定領(lǐng)域的精確度與應(yīng)對復(fù)雜對話的表現(xiàn)上仍有待進一步優(yōu)化，在數(shù)據(jù)分析、編程和數(shù)學等重推理的類別中，人們更傾向于選擇o1-preview。但在一些自然語言任務(wù)中，GPT-4o更勝一籌。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 馬蜂窩大數(shù)據(jù)：“元旦一日游”熱度上漲166%，不少人選擇“請四休九”
- 亞馬遜云科技陳曉建：2025年很多客戶將從生成式AI原型驗證轉(zhuǎn)為生產(chǎn)應(yīng)用
- 林肯中國回應(yīng)“并入福特中國”傳聞：簡化財務(wù)體系 各項業(yè)務(wù)保持不變
- 要做中國的OpenAI？字節(jié)跳動2024年研發(fā)開支接近BAT之和
- 螞蟻旗下跨境匯款平臺為開發(fā)者提供收款服務(wù) 每日限額10萬美元
- 要買車還能再等等！2025年新能源車，這些關(guān)鍵技術(shù)將有重大升級
- AAAA，三七互娛發(fā)起的游心公益基金會社會組織評估等級再提升
- 網(wǎng)易云音樂2024年度聽歌報告刷屏 你最喜歡的歌手是誰？
- 樂道L60公布交付數(shù)據(jù) 上市100天累計交付2萬輛
- 售價33.98萬元起 25款騰勢D9正式上市：全系標配天神之眼高階智駕
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
