熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
今天，我們 @OpenAI 實現了一個許多人認為需要數年時間的里程碑：在 2025 年 IMO 上使用通用推理法學碩士獲得金牌級表現——在與人類相同的時間限制下，無需工具。儘管這聽起來很了不起，但它甚至比標題🧵更重要
2025年7月19日
1/N 我很高興地與大家分享，我們最新的@OpenAI實驗推理 LLM 在 AI 領域實現了長期以來的重大挑戰：在世界上最負盛名的數學競賽——國際數學奧林匹克競賽 （IMO） 上獲得金牌級的表現。
通常對於這些 AI 結果，例如在圍棋/ Dota/ 撲克/ 外交中，研究人員花費多年時間製作一個精通某一狹窄領域的 AI，並且幾乎不做其他事情。但這不是一個特定於 IMO 的模型。這是一個推理 LLM，結合了新的實驗性通用技術。
那麼有什麼不同呢？我們開發了新技術，使得大型語言模型在難以驗證的任務上表現得更好。在我看來，問題是這方面的完美挑戰：證明的頁數很長，專家需要幾個小時來評分。與此相比，AIME的答案僅僅是一個從0到999的整數。
這個模型的思考時間也很*長*。o1思考了幾秒鐘。深度研究持續了幾分鐘。這個模型則思考了幾個小時。重要的是，它的思考效率也更高。而且在測試時間的計算和效率上還有很大的提升空間。
2024年9月13日
@OpenAI @rao2z @OpenAI 的 o1 思考幾秒鐘，但我們的目標是讓未來的版本思考數小時、數天甚至數週。推理成本會更高，但你會為一種新的抗癌藥物支付多少成本？對於突破性電池？為了黎曼假說的證明？人工智慧不僅僅是聊天機器人
值得反思的是，人工智慧的進步速度有多快，尤其是在數學方面。在2024年，人工智慧實驗室在其模型發布中使用了小學數學（GSM8K）作為評估。從那時起，我們已經飽和了（高中）數學基準，然後是AIME，現在已經達到了IMO金牌。
這會去哪裡？儘管最近的人工智慧進展非常迅速，我完全預期這一趨勢會持續下去。重要的是，我認為我們接近於人工智慧在科學發現中做出實質貢獻。人工智慧稍微低於頂尖人類表現與稍微高於之間有很大的區別。
這是@alexwei_領導的一個小團隊努力。他採用了一個很少有人相信的研究想法，並用它來實現一個不太可能的結果。如果沒有 @OpenAI 和更廣泛的人工智慧社群多年的研究+工程，這也是不可能實現的。
當你在前沿實驗室工作時，你通常會比其他人早幾個月知道前沿能力的所在。但這個結果是全新的，使用了最近開發的技術。這對許多OpenAI的研究人員來說都是一個驚喜。今天，每個人都能看到前沿的所在。
1.07M
熱門
排行
收藏