o1物化生水平超人类博士
来源：openai.com
https://openai.com/o1/
9月12日，OpenAI重磅发布了o1系列大语言模型。该模型经过强化学习训练，具备了执行复杂推理的能力，取得了巨大进步，标志着人工智能水平迈入了一个新时代。
OpenAI o1在竞争性编程问题（Codeforces）中排名第 89 位，在美国数学奥林匹克 (AIME) 预选赛中跻身美国前 500 名学生之列，并在物理、生物和化学问题 (GPQA) 基准测试中超越人类博士级准确度。
在许多推理能力较强的基准测试中，o1 的表现明显优于 GPT-4o，可与人类专家的表现相媲美。
在2024年的AIME(AIME 是一项为美国最聪明的高中数学学生准备的考试)考试中，GPT-4o 平均仅解决了 12%（1.8/15）的题目。而 O1 平均解决了 74%（11.1/15）的题目，在每题使用单次采样的情况下；使用 64 次采样取共识后，成功率提升至 83%（12.5/15）；通过使用学习得来的评分函数对 1000 次采样进行重新排序后，成功率进一步提升至 93%（13.9/15）。13.9 分的成绩足以让它跻身全国前 500 名学生之列，并且超过了进入美国数学奥林匹克竞赛的门槛。
同时，还用 GPQA 钻石对 o1 进行了评估，这是一项高难度的智力基准测试，测试化学、物理和生物学方面的专业知识。为了将模型与人类进行比较，招募了拥有博士学位的专家来回答 GPQA-diamond 的问题。经测试发现，o1 的表现超过了这些人类专家，成为第一个在这一基准测试中做到这一点的模型。这些结果并不意味着 o1 在所有方面都比博士更有能力--只是说明该模型在解决博士有望解决的某些问题时更加熟练。在其他几项 ML 基准测试中，o1 的表现都超过了最先进的水平。在启用了视觉感知能力后，o1 在 MMMU 上的得分率达到了 78.2%，成为第一个能与人类专家竞争的模型。它还在 57 个 MMLU 子类别中的 54 个类别上超过了 GPT-4o。
与人类在回答一个难题之前可能会思考很长时间类似，o1 在尝试解决问题时也会使用一连串的思考。通过强化学习，o1 可以学会磨练自己的思维链，完善自己使用的策略。它学会识别和纠正错误。它学会把棘手的步骤分解成更简单的步骤。它学会在当前方法无效时尝试不同的方法。这个过程极大地提高了模型的推理能力。
了解更多美国与全球新能源，人工智能与可持续发展方面的最新消息，请关注美亚可持续发展基金会公众号。
美亚可持续发展基金会（U.S.-Asia Sustainable Development Foundation, UASDF）致力于促进美国、中国及亚洲其他国家在气候变化领域合作与交流。我们汇聚产业界、学术界、金融界与青年力量，共同构建一个可持续发展的全球人类命运共同体。我们的使命是通过跨国合作，推动新能源的全球化普及与发展，并关注人工智能行业背后的环境治理问题。
美亚可持续发展基金会（UASDF）与绿色人工智能研究院（Green AI Institute）将于2024年10月26日波士顿与线上举办本年度第二次重要的峰会活动 —— 绿色人工智能峰会。此次峰会将汇聚全球各界的专家、学者和青年领袖，聚焦推动全球可持续发展的关键议题聚焦人工智能对环境的影响、气候变化、清洁能源技术与绿色投资，探讨这些领域的最新进展，以及如何通过这些技术推动环保、能源转型和可持续的生产与消费模式。峰会将通过圆桌讨论、成果发布及专家讲座等形式，展示中美在气候变化领域的合作成果，分析人工智能的环境影响。
