OpenAI发布最新模型，AI终于会做数学题了，而且能力直追理科博士

发布日期：2024-09-19 22:16

来源类型：华律网 | 作者：洪·科塔哈雷纳

【澳门金牛版正版资料大全免费】【新澳开奖记录今天结果】【2024年新澳门王中王资料】【管家婆最准一肖一码】【新澳彩开奖结果查询】【澳门开奘记】【4949澳门免费资料大全特色】【2024今晚澳门特马开什么号】【2024年新澳门开码结果查询】【2O24澳彩管家婆资料传真】

【494949澳门今晚开什么】 【2024新澳免费资料】 【2024年新澳门特马走势图】

橙柿互动 记者 童蔚

9.8和9.11哪个大？

当公主的年龄是王子过去年龄的两倍时，公主的年龄等于她当前年龄与王子当前年龄之和的一半。公主和王子的年龄分别是多少？

……

当再次抛出这几个数学推理问题，人工智能或许已能准确作答，不再给你留下嘲笑它的机会。

今天凌晨，OpenAI发布最新模型o1的预览版，也就是此前业界传得沸沸扬扬的“草莓”模型。

和GPT-4o相比，它的最大特点就是推理能力非常强，包括数学、编程问题、科学领域等。

“这是一种新范式的开始，AI可以进行通用复杂推理了。”CEO阿尔特曼在社交平台上写道。

大模型界来了位“理科生”

o1，其实是OpenAI一系列计划中的“推理”模型的首个模型。这些模型经过训练，能够比人类更快地回答更复杂的问题。

为什么叫o1，而不是沿用此前的GPT系列命名？

官方解释是：“对于复杂的推理任务而言，这是一个重大进步，代表了人工智能能力的新水平。鉴于此，我们将计数器重置为1，并将这个系列命名为OpenAI o1。”

那么，o1到底强到什么程度？官方甩出了一大堆各种比赛的成绩单，仅从数据来看几乎是全面碾压级别。

比如，在2024 AIME（美国数学邀请赛）的资格考试中，GPT-4o解决问题准确率为13.4%，o1预览版成绩为56.7%，而尚未发布的o1正式版是83.3%。

编程方面，在模拟Codeforces平台的竞争性编程比赛中，o1超越93%的人类竞争者，也远远超过了GPT-4o（仅超越11%的人类竞争者）。

GPQA Diamond是一项专门评估化学、物理和生物等领域专业知识的测试。o1不仅通过了测试，而且还超过部分拥有相关领域博士学位的人类专家。这也是有史以来，第一个获得此成就的模型。

给出答案前会花更多时间思考

如果说之前的模型，大多凭“直觉”来回答我们的提问，那么o1给出的就是深思熟虑后的答案。

这一改变来自于背后的“链式思考”机制。

OpenAI的研究负责人Jerry Tworek（杰里·特沃瑞克）透露，o1的训练与之前产品有本质上的区别，“使用了一种全新的优化算法和专门为它定制的新训练数据集。”

“模型在学习自己思考，而不是试图模仿人类的思维方式。” OpenAI研究主管Mark Chen（马克·陈）表示。

也就是说，它在回复我们的询问之前，会花更多时间“想一想”。

今天，OpenAI也放出了多个演示视频，以显示o1的这种能力。

在其中一个视频中，工作人员问道：“当公主的年龄是王子过去年龄的两倍时，公主的年龄等于她当前年龄与王子当前年龄之和的一半。公主和王子的年龄分别是多少？”

o1思考了几秒钟后开始作答，并显示推理的全过程，包括变量是什么，条件又是什么，如何将这个问题准确表述，等等；接着转化为可解的方程式，并实时求解，最后甚至还给出了一条验证的结果。

最终的正确答案是：王子的年龄是任意自然数k的6倍，公主的年龄是k的8倍。

解题过程截图

目前，o1花在思考上的时间是从几秒到十几秒不等，但OpenAI表示未来的改进方向不是缩短，而是努力继续增加这个时长，让未来的版本思考几个小时、几天甚至几周。“人工智能可以不仅仅是聊天机器人。”

部分用户今天已用上

眼下，ChatGPT Plus和Team用户已经可以在ChatGPT中，通过手动选择o1-preview和o1-mini，来试一试o1模型的能力。o1-preview每周消息限制为30条，o1-mini为50条。

今天一上午，网上各种跃跃欲试，已有不少人迫不及待地晒出自己的试用结果。

有网友一上来就让它回答9.8和9.11哪个大的问题，也有人去翻数学高考题。

博主卡兹克直接甩出了很多人看了都迷糊的调休问题：“这是2024年9月9日（星期一）开始到10月13日的放假调休安排：上6休3上3休2上5休1上2休7再上5休1。问：我除了我本来该休的周末，我因为放假多休息了几天？”

在思考了整整30秒以后，o1给出了准确答案。

不过目前，o1还只是个早期模型，侧重复杂推理，诸如联网搜索、图片视频处理等都还不支持，需要配合GPT-4o一起使用。

另外，它的推理能力虽然强于此前模型，使得回答更为准确，但仍然会有出现“幻觉”问题的概率。“我们不能说我们已经解决了幻觉问题。”Jerry Tworek坦言。

责任编辑：童蔚
审核：陈奕 梁应杰