中国新疆xxxxxl19dOpenAI科学家：现有模型+后中国新疆xxxxxl19d训练足以产生黎曼猜想的新证明_ZAKER新闻
OpenAI科学家：现有模型+后中国新疆xxxxxl19d训练足以产生黎曼猜想的新证明_ZAKER新闻
券商行情在7月25日启动。7月28日，行情再度十分活跃，但随后出现回落。此后，券商行情再次整装待阵出发。从8月2日到8月7日，证券板块指数连续四个交易日上涨。而这正是一个从“上涨”到“再上涨”的过程。
一个全新的模型能力衡量指标诞生了？！OpenAI 科学家塞巴斯蒂安・布贝克（Sebastien Bubeck）（下图左）表示：AI 模型的能力可以用AGI 时间来衡量：GPT-4 可以完成人类需要几秒或几分钟的任务；o1 可以完成人类需要若干小时完成的任务，也就是可以用 "AGI 小时 " 衡量的任务；明年，模型可能会实现 AGI 日，并在 3 年后实现 AGI 周，能够解决重大的开放问题。看到AGI 时间这个新概念，网友们也是立即就展开了热烈的讨论。有人认为，如果模型可以达到人类需要数周或数月才能完成的任务，也就代表它可以将长期推理和计划结合起来，也就和真正的 AGI 差不多了：不过也有人表示这个说法有点模糊，人脑也很难机械地把任务完成时间限定为几个月、几年：而反方辩手汤姆 · 麦考伊（Tom Mccoy）则对 LLM 能否解决复杂的开放性问题持怀疑态度。他表示，语言模型虽令人惊叹，但能力源于训练数据，目前没有证据显示它们可以产生能解决开放问题的新范式。让两位大佬争论不休的问题，就是最近由世界知名理论计算机科学机构Simons Institute提出的辩题：当前基于缩放定律的 LLM，能否在未来几年内产生可以解决重大数学难题（如 P ≠ NP、黎曼假设）的证明技术。持正方观点的塞巴斯蒂安・布贝克是应用数学博士，曾在普林斯顿大学担任助理教授，后在微软研究院任职十年，主导开发了 Phi 系列小语言模型，也是Sparks of AGI（AGI 的火花）论文的重要作者之一。此次辩论中，塞巴斯蒂表示他坚信 LLM 潜力无限，认为以当前模型的能力加上更多的数据和后期训练就足以解决数学难题。反方辩手汤姆是认知科学博士，现任耶鲁大学语言学助理教授，他也是 "Embers of Autoregression（自回归余烬）" 论文的主要作者，文中他深刻剖析了当前 LLM 的局限性。同时参与这次讨论的还有 Anthropic 的研究员 Pavel Izmailov，和 MIT 诺伯特 · 维纳（Norbert Wiener）数学教授 Ankur Moitra。在不改变原意的基础上，量子位对本次辩论的主要观点进行了梳理总结，希望能带给你更多的启发和思考。正方：o1 已展现出自发的涌现模式塞巴斯蒂安首先用数据回顾了 LLM 最近几年的发展历程，他表示GPT 系列已在多领域的基准测试上都表现亮眼。比如在 MMLU 测试中，GPT-4 成绩飙升至 86%，o1 模型更是逼近 95%，远超 GPT-3 的 50%，在高中科学知识问答方面已接近人类 90% 的水平。在医学诊断领域，GPT-4 准确率高达 90%，远超人类医生的 75%，有力证明了模型强大的学习与应用能力，且这种提升趋势为解决数学难题奠定基础。△图片来自论文 Superhuman performance of a large language model on the reasoning tasks of a physician他进一步指出：智能发展层级递进显著，GPT-4 只有 AGI 秒级思考能力，而 o1 模型已达 AGI 分钟甚至小时级别。依此趋势，未来实现AGI 日级、周级思考时长指日可待，可能明年、后年就能达到。届时，模型将拥有充足时间和能力深入思考复杂数学问题，从而找到解决重大猜想的路径。同时他还强调了后训练技术的重要性：后训练技术是挖掘模型深层潜力的关键。从 GPT-3.5 开始，模型就可以实现在后训练过程中提取智能。到了 o1 模型时代，其采用的强化学习等创新训练范式，使模型在复杂任务（比如编程、数学）处理上实现质的飞跃。尤其是在特定数学问题中，o1 能迅速关联看似不相关的知识概念，自发地涌现出一些新的思路，为解决难题提供新线索。反方：当前缩放定律依赖数据、存在幻觉，难以产生新思考模式汤姆则认为，目前 LLM 的发展存在 3 个明显制约：1.LLM 受训练数据频率限制严重：在单词计数和排序任务中，数据频率影响清晰可见。如统计单词数量时，对常见长度列表准确率高，罕见长度则大幅下降；排序任务中，对常用的字母正序处理良好，逆序则表现不佳。这表明模型在面对新证明技术这类低频任务时，缺乏创造性突破的根基，难以跳出训练数据的固有模式。而且，根据各种测评数据，模型能力与数据量级呈对数关系，未来想要提升模型能力需要新的指数级数据，而目前已有严重数据瓶颈，在未来几年很难迅速突破。2.长推理过程中的幻觉问题是致命伤：即使类 o1 模型在多步推理场景下进步显著，但 LLM 仍易生成错误信息。随着数学证明篇幅拉长，极低的错误率也会因累积效应使证明失效。也就是人们常说的" 薄弱环节会破坏整个推理链条 "，严重阻碍模型解决复杂数学证明的能力。o1 已经可以和人类专家合作，但想要独自解决数学问题，必须做到超越人类，目前看起来比较困难，甚至还无法达到以稳健的方式使用现有想法。3.当前缩放方法本质缺陷难破：基于语言预测的训练模式，使模型在处理数学问题时难以直接触及深度推理和创新思维核心。比如在数学符号处理和抽象逻辑推导方面，模型的处理方式与专业数学方法相比缺乏专业推导，需要从底层架构和训练理念上进行彻底变革。随后正方还对反方观点进行了驳斥。塞巴斯蒂安表示，当前很多人类的顶级成果是依靠组合现有知识产生的，而模型在这个方面的能力会通过强化学习进一步发展。而且人类在超过 50 页的证明中也经常会出错，未来可以让不同的智能体进行合作互相指正，可以有效减少这一方面的失误。其他专家：需结合证明验证器、符号空间探索等方式Anthropic 研究员帕维尔・伊斯梅洛夫也发表了观点，他认为 LLM 在识别数据结构上确有优势，但数学领域专业性强，需借助强化学习与 Lean 等证明验证器构建有效训练机制。鉴于数学的独特性，探索类似 AlphaGo 式的非 LLM 智能搜索方法在符号空间的应用，或许能为解决数学难题另辟蹊径，突破语言模型固有局限。针对观众的提问 " 飞机也不是完全模拟鸟类的飞行，为什么一定要要求 LLM 模拟人类思维 " 的问题，帕维尔首先表示赞同，AlphaGo 带给人类的一个惊喜正是来自于它可以用很多人类没有的方法下棋。但同时他也指出：也许以人类的方式做事的唯一理由是，如果我们关心的是试图理解证明、并提取一些定义之类的东西，那么我们希望它至少是类人或人类可读的。但我认为如果我们关心的是证明能力，比如能够证明事物，那么不一定要以类人的方式。MIT 诺伯特 · 维纳数学教授安库尔・莫伊特拉（Ankur Moitra）也发表了自己的看法。他也赞同重大数学问题的解决绝非简单的能力堆叠：我们关心数学难题，关心的不只是具体的证明细节，更希望可以在证明的过程中产生可以引发数学体系变革的新想法。他认为当前 LLM 虽在部分任务取得进展，但与解决如黎曼假设这类问题所需的深度和创新性仍相距甚远。安库尔还提议，未来模型发展或许应聚焦于知识在模型中的有效表示、数学家与模型间的高效协作模式等关键层面，探索新的突破方向。现场还进行了一次不记名投票，可以看到正反方的观点基本还是持平的～感兴趣的朋友可以查看完整视频和论文。参考链接： [ 1 ] 辩论完整视频：https://www.youtube.com/live/H3TnTxVKIOQ [ 2 ] Sebastien Bubeck 撰写的论文 Sparks of AGI：https://arxiv.org/abs/2303.12712 [ 3 ] Tom McCoy 撰写的论文 Embers of Autoregression：https://arxiv.org/abs/2309.13638— 完 —点这里关注我，记得标星哦～一键三连「分享」、「点赞」和「在看」科技前沿进展日日相见 ~koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:孙天民
TOP1热点：WTT 新加坡大满贯男单 1/4 决赛，王楚钦 4-1 弗朗西斯卡，怎么评价这一场比赛？
“牛市旗手”一波三折。
TOP2热点：寒假期间，怎样控制好孩子「娱乐时间」和「学习时间」的平衡？
TRIX指标可谓是股市投资中的一大神器：它能够凸显股价长期运动趋势，规避价格短期波动的干扰，实现更加稳健的投资。策略哥个人觉得应该大力推广TRIX指标的使用，它能减少主力“骗线行为”造成的损失，成为广大小散的“防割”利器。
TOP3热点：如何看待小米公司退出 UFCS(终端快充行业协会)？麻花星空影视传媒制作公司
展望后市，中泰国际指出，港股的盈利和政策预期正在逐渐好转，这可能导致海外市场资金在第三季度流向东方，此消彼长。由于市场短期内无法验证政策对经济的影响，因此政策预期仍将支撑港股波动中枢向上的逻辑，但是上行空间将取决于实际政策的实施以及经济数据的表现。
尽管8月8日证券板块行情出现分化，但近期“牛市旗手”整体表现抢眼，成为二级市场上最为吸睛的板块之一。
TOP4热点：052D 的吨位是不是还能继续放大？美味婆婆
但个股市值体量、股性以及所处的市场环境不同均会影响均线多头排列策略的有效性。保守起见，策略哥特地回测了近几年科博达相同指标形态的出现次数及后续影响，数据发现科博达从2020年起共出现过39次5、10日线多头排列且缩量上涨的情况。
据了解，部分碧桂园离岸债券持有人在8月7日尚未收到碧桂园于当日应付的上述美元债利息。
TOP5热点：WTT 新加坡大满贯男单 1/4 决赛，林诗栋 4-1 林昀儒晋级半决赛，如何评价两人本场比赛的发挥？一本大道色卡1卡2卡3
国泰君安认为，公司精神神经类集采基本出清，创新转型日新月异。精神神经已集采产品有氯氮平、加巴喷丁、阿立哌唑、度洛西汀，收入占该板块已由2018年6.4%下降至2022年1.3%。神经和精神类产品已应采尽采，存量产品面临的集采风险已基本缓解，余下产品被集采风险相对较小。公司持续加大研发投入，即便是在疫情影响下的2020-2022年研发费用同比增速也高达30%、43%、29%，创新转型未来可期。
TOP6热点：明清白银有火耗的问题，为什么长期以白银为货币的西方没听说过此类问题?JUL-670毕业典礼之后
年内少量债务到期
TOP7热点：现在过年还会给家里的小孩买新衣服吗？铜铜铜铜铜铜铜铜好大好深色
蒋文凯，上海福贝宠物用品股份有限公司首次公开发行股票
从销售费用的类型看，灵康药业2.36亿元销售费用中，市场营销服务费在报告期内发生2.29亿元，占销售费用总额96.84%。
TOP8热点：比亚迪全球销量跃升至第四，是新加坡市场年度销冠，说明了什么？中国新疆XXXXXL19D
但
TOP9热点：《哪吒 2》国外口碑开分， IMDb 评分 8.2，这一评分是什么水平？14may18_XXXXXL56endian2
但个股市值体量、股性以及所处的市场环境不同均会影响阳包阴策略的有效性。保守起见，策略哥特地回测了近几年日辰股份相同指标形态的出现次数及后续影响，数据发现日辰股份从2020年起共出现过13次阳包阴且股价站上5日均线的情况。
尽管8月8日证券板块行情出现分化，但近期“牛市旗手”整体表现抢眼，成为二级市场上最为吸睛的板块之一。
TOP10热点：公司氛围和上级领导都不错，但不太喜欢工作内容打算考公，又觉得「跑了」对不起公司，如何克服愧疚感?铜铜铜铜铜铜铜铜铜好大好深色
速动比率方面，*ST博天速动比率为0.45。速动比率又称为酸性测试比率，是衡量企业短期偿债能力的财务指标。它等于流动资产总额减去存货后，除以流动负债总额。速动比率反映了企业在面临短期债务压力时，是否具备足够的非存货资产来支付债务。一般而言，速动比率大于1表示企业具备较强的短期偿债能力，而*ST博天本期速动比率小于1，一定程度上意味着公司短期偿债能力较弱，可能面临风险。从行业角度看，本期全行业速动比率为1.26，表明行业中其他企业的偿债能力表现较好，公司速动比率指标明显低于行业平均水平，意味着相较于同行业其他企业，*ST博天短期偿债能力表现较差。