沈阳45岁老阿姨叫的没谁了Open AI新模型o1问世,能像人类沈阳45岁老阿姨叫的没谁了一样思考?_ZAKER新闻
Open AI新模型o1问世,能像人类沈阳45岁老阿姨叫的没谁了一样思考?_ZAKER新闻
随后的几个月里,阿贵偶尔会跟弟弟阿州(化名)联系。“你们都要好好的,跟妈咪说我没事,我会照顾好自己的。”他都这样说。
本文来自微信公众号:王智远,作者:王智远,原文标题:《Open AI 发布新一代模型 01》,题图来自:AI 生成凌晨 1 点,我还在追剧。这时,朋友发来一条消息说:Open AI 发布了新模型,你在电脑上试试看能用吗?哎,大哥,都要睡觉了,这要强制开机,让我起来加班码字啊。带着好奇,打开 PC 端 ChatGPT 一看,果然,多出两个模型,分别是 ChatGPT o1-mini 和 o1-preview。这是什么东东?怎么叫这个名字?这个模型有什么特点?怎么还有两个版本呢?价位如何?难道是此前被传的 " 草莓 " 做出来了?带着疑惑,熬夜看完官方文档,把内容总结分享给你。一为什么叫 o1 呢?官方说:For complex reasoning tasks this is a significant advancement and represents a new level of AI capability. Given this, we are resetting the counter back to 1 and naming this series OpenAI o1。我用自带浏览器的翻译功能,翻译出来就是:这个模型在复杂推理任务上是一个重大的进步,代表了人工智能能力的一个新水平;因此,我们决定重新开始编号,把这一系列模型命名为 OpenAI o1。袄,原来因为这个模型非常厉害,能做很多复杂的事情,OpenAI 觉得这是一个新的起点,所以把编号重新设为 1,开始一个新的系列。那么,它为什么会有两个版本呢?官方说:o1 mini 版是个简化的版本。它在速度、体积和成本方面都做了优化。这个版本在处理数学、编程推理任务时表现不错,特别适合需要快速处理问题的场合;因为它体积小,成本也低,所以,如果你想快速得到答案,那么 o1 mini 版可能更适合你。相对 o1 preview 版,是完整版本。比较擅长解决复杂的问题,比如,无论是科学问题、数学题还是编程,它都能处理得非常好;当然,如果你遇到的问题要广泛的知识或者深刻的理解,那么这个版本更适合你,因为它的推理能力非常强大。我不信,于是,让国产大模型 Kimi Chat 给我想了一个逻辑数学逻辑题,如下:假设我有一个农场,里面有鸡和兔子。有一天,我数了数农场里动物的头和脚,发现总共有 35 个头和 94 只脚。请问,农场里各有多少只鸡和兔子?preview 版的确很强。除了告诉我有 23 只鸡,和 12 只兔子外,还给出了步骤,整个下来,也就不到 2 秒。当然,这种测试用来对付 Chat 肯定是无压力的,如果你有时间,也可以带入工作中的问题,自己体验下。总的来说,两个版本的主要区别是它们处理任务的能力、速度和成本;o1 mini 版在速度、成本上有优势;preview 版更适合推理。不过,实际体验下来,没觉得有什么差异,也许我本身要它做的事情,比较简单。体验完后,仔细一想,这和 GPT-4o、GPT-4omini 有啥区别呢?非要搞出四个模型吗?加上 GPT-4,我电脑上已经有五个模型了。查了下官方文档,有一篇文章叫《用法学硕士学习推理》(Learning to Reason with LLMs)详细介绍了一切。他们是这么说的:在对 OpenAI 的两个 AI 模型—— o1-preview 和 GPT-4o 的实际使用偏好测试中,人类评估者在不知情的情况下,比较了两个模型对复杂问题的回答。结果显示,在需要大量推理的任务上,比如数据分析、编程和数学问题,大家更喜欢 o1-preview。因为 o1-preview 经过特殊的强化学习训练,所以,在解决这类问题时,推理能力更强,更高效。但是,在自然语言处理任务上,o1-preview 的表现不如 GPT-4o。这是因为它的训练重点在推理和解决问题的策略上,而不是在语言的流畅度或文本生成的多样性上。这说明,虽然 o1-preview 在某些领域很出色,但它并不适合所有类型的任务,尤其是那些专注于自然语言处理的场景。原来如此。我又看了看 o1-preview 和 o1 mini 版适合哪些人。官方说,如果你在处理科学、编码、数学等领域的复杂问题,这些增强的推理能力可能特别有用。比如:医疗研究人员可以用 o1 来标注细胞测序数据;物理学家可以生成量子光学所需的复杂数学公式;各个领域的开发者都可以用 o1 来构建和执行多步的工作流程。所以,如果你做科学、敲代码、编程、数学方面的工作,用它再好不过了。二那么,o1-preview 和 o1 mini 到底做了哪些测试呢?首先,为了显示 o1 模型在推理方面比 GPT-4o 有多大改进,他们在不同的人体检查和机器学习基准上测试了它。在 2024 年的 AIME 数学考试中,GPT-4o 平均只解决了 12% 的题目;而 o1 模型单次测试的平均解题率达到了 74%。如果算上 64 次测试的平均得分,能达到 83%;重新从 1000 个样本中排名,平均得分甚至可以达到 93%。这个成绩不仅让它进入了全美前 500 名,还超过了参加美国数学奥林匹克的分数线。他们还用一个叫做 GPQA 钻石的难题来测试 o1。这个测试涉及化学、物理和生物学的专业知识。他们请了一些拥有博士学位的专家来回答这些问题,结果发现,o1 模型的表现超过了人类专家,成为第一个在这个测试中取得这样成绩的模型。这并不意味着 o1 在所有方面都比博士更厉害,而是说明它在解决某些专业问题上更为熟练。当然,在其他一些机器学习的测试中,他们也做了大量测试;它在 MMMU 的视觉感知测试中得了 78.2 分,成为第一个能和人类专家竞争的模型;而且,在 57 个 MMLU 子测试中的 54 个项目上,它的表现都优于 GPT-4o。我好奇地搜索了一下,什么是 MMLU?简单讲,MMLU 像一场大型的综合考试,参加考试的不是人类,而是人工智能模型。总之,这些测试最终结论是:OpenAI 的 o1 模型在全球编程比赛 Codeforces 中排名第 89 位,在美国数学奥林匹克(AIME)的资格赛中,进入了全美前 500 名。在物理、生物学和化学问题的测试中,它的表现甚至超过了博士水平。因此,o1-preview 和 o1 mini 在解决高难度的推理和专业问题上表现更出色;而 GPT-4o 更适合处理日常的任务。三所以,这么强的推理能力怎么实现的?关键有四个方面:首先,o1 模型用了一种 " 自我对弈强化学习 "(Self-play RL)的方法;这是一种通过模拟环境和自我对抗来提升模型性能的技术。这种方法中,模型在没有外部指导,通过不断尝试和错误来学习策略和优化决策。想象一下:它就像在和自己下棋,一边玩一边学;过程中,不用别人教,自己试试、出错、再试,慢慢就学会了怎样做决策和解决问题。其次,o1 还模仿了人类的 " 慢思考 "(Slow Thinking);这种思考要时间、努力和逻辑三者结合,就像我们在考试时仔细思考一个难题一样。通过深思熟虑的方式,o1 先分析问题,然后把它拆开,再推理,再解决;这让它在科学、编程或数学上更精准,更出色。当然,这一步离不开思维链。思维链的推理,还用一种独特的方法来监控模型。如果这些思维链是可读的,研发人员就能 " 读懂 " 模型的思考过程。这对于监测模型是否能操纵用户行为非常有帮助,但是,为了让模型能自由地表达思考,他们不在模型中加入任何与政策、用户偏好相关的硬性规定。因此,这个模型整合了安全政策和人类价值观,通过在模型的答案中重现思维链中的有用想法,让用户间接了解模型的思考过程。还有一点,思维链加入了鲁棒性(Robustness)测试。所谓鲁棒性指一个系统、模型或者设备在面对各种意外情况、干扰或者变化时,仍然能够正常工作,不容易出问题。一辆汽车,无论在高温、低温、下雨还是颠簸的路面上,都能正常行驶,这说明它的鲁棒性很好;在 AI 领域,鲁棒性指软件、模型在面对不同的数据输入、错误,甚至恶意攻击时,仍然能保持稳定和准确。所以,鲁棒性强调的是在各种复杂、多变的环境下,仍然能保持可靠和稳定的性能。除以上两点,o1 在训练时还用上了数据飞轮(Data Flywheel);它的正确答案会被用来再训练它自己,帮助它变得更聪明。当然,为支持这些复杂的思考任务,o1 还用上了一些特别优化的算法、架构。这些技术让它更快、更准确地解决问题,提高了它的整体能力。总之,o1 模型训练关注五个维度:1. 自我对弈强化学习;2. 模仿人类慢思考;3. 拆解了思维链的过程;4. 在思维链中加入了鲁棒性测试;5. 数据飞轮再强化。看完官网文档,说白了,我觉得他们让 AI 更像人了。四再强大的东西,不商业化肯定不行。那么,o1 模型的成本和使用限制有哪些呢?o1-preview 的价格是:每处理一百万个输入要花 15 美元,每处理一百万个输出则是 60 美元;这说明,如果你用这个版本,输入和输出的处理费用会比较高。真贵啊。这是什么概念?举个例子:如果你每天和这个模型聊天 100 次,每次输入 1000 个单词,那么一天的费用是 75 美分乘以 100 次,等于 75 美元。按照现在汇率,75 美元约等于 540 人民币。这样看来,使用这个模型的成本相当于每天花 540 块钱。如果你每天都这么使用,一个月下来的花费就非常可观了,堪比请一个专家了。而 o1-mini 的价格便宜一些。每一百万个输入只需 3 美元,每一百万个输出 12 美元。但这个便宜版在功能上可能会有些限制;如果你是 ChatGPT Plus 或 Team 的用户,就可以优先尝试 o1 模型的功能。对开发者来说,要求就严格多了,只有支付了 1000 美元的五级开发者才能用这个模型,而且每分钟只能调用 20 次。至于 API 的调用限制,o1-preview 每周只能调用 30 次,o1-mini 每周可以调用 50 次。这种限制是按周来算的,不是按小时或分钟。功能方面,目前的 o1 模型还不能支持所有的功能,比如理解图片、生成图片、解释代码、网页搜索等。所以,用户现在只能用它来进行基本的对话。官方还说:虽然现在 o1 模型成本较高,使用也有限,但随着技术发展和 OpenAI 的不断改进,预计将来会有更多用户能使用到这个模型,成本也可能会降低。不管怎能说,AI 越来越像人一样 " 深思熟虑 " 了,至于这个模型,谁会付费呢?谁又能为它支付 1000 美金呢?或许,只有大公司、研究机构、有特定需求的专业人士才能承担得起。那到时候,真就成了花钱请了一个 "AI 专家 ",所以,AI 会替代专家吗?总结越来越像人的模型。谁也猜不到,未来的 o1-preview(mini)会发展成什么样,至少,它肯定不会是个普通的 GPT。它会发展成具身智能吗?有这个可能。随着技术不断进步,o1-preview(mini)很大概率会改变一些行业的运作方式。本文来自微信公众号:王智远,作者:王智远koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:贾怡
TOP1热点:赵丽颖四平台破万
会上,美国政客拿着一本中国出版社的《人工智能实验教材》大谈“中国威胁”,时任美国防长表示,中国计划在2030年成为人工智能的领导者。无论哪个国家先利用人工智能,都将在战场上拥有决定性的优势,美国必须先做到。。
半个世纪间,中美关系有起伏波折,现在,更不乏一些美国政客,当面说一套,背后做一套,访华回国之后,立马换了一副嘴脸,继续对华打压。
TOP2热点:徐涛分享考研出分的5点建议
然而,9月18日那天,哥哥失联了。3天后,奉江接到电话,对方要求转账,“他说要打几千块钱,不然你的家属要挨打。”此时他才知道,哥哥已经被卖到新的公司了。奉江至今也没弄清楚,到底是中介没打通关系营救失败,还是中介“反水”,为了赚钱又把哥哥给卖了。
TOP3热点:男子3年频繁跳槽只为窃密14may18_XXXXXL56endian民族
郝鹏对选调生提出希望。他指出,要多怀心系群众的“人情味”,多沾深入群众的“泥土味”,多留服务群众的“汗水味”;
她唯一感觉不爽的就是,老郭不能娶她。因为老郭答应过妻子,不和妻子离婚。
TOP4热点:许昕称王曼昱决赛打得满分国产⭕⭕⭕⭕拗女
现场画面资料显示,随着体育馆的顶棚完全坍塌,体育馆内部也成了一片废墟。多名该校学生向中国新闻周刊反映,体育馆建成多年,平时较少对普通学生开放。
据央行网站介绍,出席第十二届中日韩央行行长会议的还有韩国银行行长李昌镛、日本银行行长植田和男。
TOP5热点:国家线人与畜禽CORPORATION外网
老郭流了很多血。
TOP6热点:孟子义给粉丝送手串学生BBwBBwBBwBBw
关于瓦格纳的下一步。
TOP7热点:考研名师谈查分管家婆三期开一期精准的背景
他是不是被骗了?
TOP8热点:大仓忠义当爸沈阳45岁老阿姨叫的没谁了
(原标题:贵州一男子被骗至缅北诈骗园区后,其弟弟为救人也被困缅北)
TOP9热点:权志龙 我们三个也不是想这样才三个人的18may19—XXXXXL
4月访美前夕,尹锡悦曾在接受采访时公开表示,如果乌克兰平民在冲突中遭到大规模袭击,韩国对乌克兰的支持将不止于人道主义和经济援助。报道称,这表明尹锡悦为可能向乌克兰提供军事援助一事“打开了大门”,也标志着其首次改变反对军援乌克兰的立场。
TOP10热点:檀健次丝绒西装配洞洞鞋FerrPorno💋👙
20日正式会见后的午宴上,习近平主席和基辛格深入地聊了很久。
政知君还注意到,李春生在公安部工作的7年间,与公安部原副部长孙力军,上海市公安局原局长龚道安,中央纪委国家监委驻国家安全部纪检监察组原组长刘彦平均有不同程度的交集。