无预警上新!OpenAI最牛模型来了,可进行复杂推理,“新天花板”o1有多强?
来源 | 公众号“量子位”
没错,传说中的「草莓」
CEO奥特曼称它是一种新范式的开始:可以进行通用复杂推理的人工智能。
具体来说,o1系列是OpenAI首个经过强化学习训练的模型,在输出回答之前,会在产生一个很长的思维链,以此增强模型的能力。
换句话说,内部思维链越长,o1思考得越久,模型在推理任务上的表现就越好。
o1有多强呢?CEO奥特曼直给了答案:
在刚刚结束的2024 IOI信息学奥赛题目中,o1的微调版本在每题尝试50次条件下取得了213分,属于人类选手中前49%的成绩。
如果允许它每道题尝试10000次,就能获得362.14分,高于金牌选手门槛,可获得金牌。
另外它还在竞争性编程问题 (Codeforces) 中排名前89%,在美国数学奥林匹克 (AIME) 预选赛题目中跻身美国前500名学生之列。
与GPT-4o相比,o1在数理化生、英语法律经济等各种科目都有不同成绩改进。
汇总官方发布的各种消息来看,这次突然发布的o1系列又分为三个型号:
o1,新的大模型天花板,过于强大目前不方便对外公开。
o1-preiview,o1的早期版本,可以立即提供给ChatGPT付费用户和API用户。
o1-mini,速度更快、性价比更高,适用于需要推理和无需广泛世界知识的任务。
不少OpenAI员工都分别用“系统1”和“系统2”思考来科普o1系列与之前模型的区别。
连长期休假中的总裁Brockman都回归了:
思维链提示方法的原作者Jason Wei表示,这一次不是纯粹通过提示来完成思维链,而是使用强化学习训练模型以更好地执行链式思考。
在深度学习的历史中,人们一直试图扩展训练阶段的计算,但思维链是自适应计算的一种形式,现在也可以在推理时扩展。
新模型做了很多类似人类的事情,比如将棘手的步骤分解为更简单的步骤、识别和纠正错误以及尝试不同的方法。
o1:AI能力新天花板
不过作为早期模型,它尚不具备ChatGPT的许多有用功能,例如联网搜索以及上传文件和图像。
但对于复杂的推理任务来说,这是一个重大进步,OpenAI称代表了人工智能的最高水平。
鉴于此,他们决定将计数器重置,并将该系列模型命名为OpenAI o1。
随着更多的强化学习(训练时计算)和更多的思考时间(测试时计算),o1 的性能持续提高,新的Scaling Law诞生了。
不过这种方法的Scaling受到的限制与普通预训练有很大不同,OpenAI正在继续研究它们。
o1思考起来是什么样子?可以从官网示例中的编写Bash脚本的编程任务一窥究竟。
首先作为对比,GPT-4o会直接就开始写代码,遗憾得到错误结果。
而o1-preiview会先用自己的理解复述一遍要求,然后开始拆解要求,明确最终目标。
接下来它会给自己定义任务、分析限制条件、列出需要用到的方法。
进一步把任务拆解成明确的数个小步骤。
最后才动手编写代码,并保证一次性得到正确结果。
OpenAI表示,o1系列可以帮医疗保健研究人员来注释细胞测序数据,帮助物理学家可以生成量子光学所需的复杂数学公式,所有领域的开发人员可以使用o1来构建和执行多步骤工作流程。
而且不是说说而已,OpenAI已经邀请相关的人类专家学者试用了一波。
马克思普朗克研究所的量子物理学者Mario Krenn,展示了GPT-4o不能回答但o1-preview正确完成计算的复杂量子物理问题。
除了考试和学术基准之外,团队还评估了人们对o1-preview与GPT-4o在开放问题上的偏好。
在数据分析、编码和数学等推理密集型类别中,o1-preview明显优于gpt-4o。
然而o1-preview在某些自然语言任务上并不是首选,这表明它并不适合所有场景。
OpenAI科学家Noam Brown分享了更详细的个人测试结果。
在上个月的ACL会议上有一个所有当时大模型都无法解决的逻辑难题。o1-preview能够做对,o1满血版几乎每次尝试都能做对。
目前o1花费在思考上的时间是几秒到十几秒,但OpenAI未来的改进方向不是缩短,反而是努力增加这个时间,
目标是让未来的版本思考几个小时、几天甚至几周。
推理成本会更高,但你会为一种新的抗癌药物付多少钱?为了电池的突破、黎曼猜想的证明又付多少?
人工智能可以不仅仅是聊天机器人。
谁可以访问o1?
在发布时,o1-preview限制为每周30条消息,o1-mini每周50条。
API访问权限将首先给Tier 5级用户,也就是已经在OpenAI API上花费超过1000美元的人。
此外,OpenAI正在努力提高这些速率,并使ChatGPT能够针对给定的提示自动选择合适的模型。
本文不代表《财经》观点,转载已获授权。
今日话题
你怎么看新模型o1?
欢迎在评论区分享你的观点。
往期文章