每日經(jīng)濟(jì)新聞
要聞

每經(jīng)網(wǎng)首頁 > 要聞 > 正文

五大維度評(píng)測(cè)OpenAI全新o1模型:代碼編寫、游戲制作等能力“驚艷”,事實(shí)性知識(shí)卻“翻了車”

每日經(jīng)濟(jì)新聞 2024-09-13 20:33:39

◎ 解題能力超越人類博士?《每日經(jīng)濟(jì)新聞》記者從五大維度帶來了對(duì)OpenAI最新發(fā)布的模型o1-preview的一手評(píng)測(cè)結(jié)果。

每經(jīng)記者 鄭雨航    每經(jīng)實(shí)習(xí)記者 岳楚鵬    每經(jīng)編輯 蘭素英    

傳說中的“草莓”模型今天在沒有任何預(yù)告下忽然上線了!

OpenAI最新發(fā)布的模型名為o1,是系列推理模型的首批版本,現(xiàn)階段推出的是o1-preview(預(yù)覽版)和o1-mini(迷你版。

目前,o1-preview和o1-mini已經(jīng)面向ChatGPT Plus和Team訂閱用戶開放,而Enterprise和Edu用戶將于下周初獲得訪問權(quán)限。OpenAI表示,它計(jì)劃向ChatGPT的所有免費(fèi)用戶提供o1-mini訪問權(quán)限,但尚未確定發(fā)布日期。

據(jù)OpenAI介紹,在解決問題的能力方面,o1模型比以往任何模型都更接近人類思維,并且能夠“推理”數(shù)學(xué)、編碼和科學(xué)任務(wù)。

為了驗(yàn)證新模型的能力是否正如OpenAI所宣稱的那么強(qiáng)大,《每日經(jīng)濟(jì)新聞》記者從經(jīng)典“草莓測(cè)試、代碼編寫、小游戲制作、數(shù)學(xué)與經(jīng)濟(jì)學(xué),以及事實(shí)性知識(shí)這五大維度對(duì)o1-preview模型進(jìn)行了測(cè)試。

結(jié)果顯示,o1-preview表現(xiàn)出了超越OpenAI之前發(fā)布的大模型的編程和數(shù)學(xué)推理能力。例如,o1-preview能夠編寫出流暢運(yùn)行的代碼,并且在復(fù)雜環(huán)境中依然能夠自行推理出解決方案。而且,記者在測(cè)試過程中也感覺到,o1-preview在人性化方面也有很大的提升,表現(xiàn)出了真人般的思考。不過,新模型也并非毫無缺點(diǎn),在事實(shí)性知識(shí)測(cè)試就“翻車”了。 

傳說中的“草莓”來了 

當(dāng)?shù)貢r(shí)間9月12日,OpenAI發(fā)布了一款名為o1的新模型,這是其計(jì)劃中一系列“推理”模型中的第一個(gè)版本,也是此前業(yè)界盛傳已久的“草莓”模型。 

圖片來源:X平臺(tái)

對(duì)于OpenAI來說,o1代表著它朝著類人AI的目標(biāo)又邁出了一步。OpenAI認(rèn)為,o1代表著一種全新的能力,這一能力被認(rèn)為如此重要,以至于公司決定從當(dāng)前的GPT-4模型重新開始,完全放棄了“GPT”品牌,從1開始命名。 

OpenAI表示,將從當(dāng)前的GPT-4模型重新開始,“將計(jì)數(shù)器重置為 1”,甚至放棄了迄今為止定義了聊天機(jī)器人乃至整個(gè)生成式AI熱潮的“GPT”品牌。o1建立了一個(gè)能夠通過一系列離散步驟,謹(jǐn)慎而合乎邏輯地解決問題的系統(tǒng),每個(gè)步驟都建立在上一個(gè)步驟的基礎(chǔ)上,類似于人類的推理方式。

OpenAI首席科學(xué)家Jakub Pachocki表示,之前的模型在收到用戶問詢時(shí)會(huì)立即開始回答。“而這個(gè)模型(指的是o1)會(huì)慢慢來。它思考問題,并嘗試分解問題,尋找角度,努力提供最佳答案。”這就像大多數(shù)人在幼年時(shí)被父母所要求的那樣,先想好再說話。

OpenAI表示,o1在競(jìng)賽編程問題(Codeforces)中排名第89個(gè)百分點(diǎn),在美國(guó)數(shù)學(xué)奧林匹克競(jìng)賽(AIME)預(yù)選賽中位列美國(guó)前500名學(xué)生之列,并且在物理、生物和化學(xué)問題的基準(zhǔn)測(cè)試(GPQA)中超過了人類博士水平的準(zhǔn)確度

在OpenAI發(fā)布的研究和博客文章中,o1看起來“推理”能力十分強(qiáng)大,不僅可解決高級(jí)數(shù)學(xué)和編碼問題,還能解密復(fù)雜的密碼,以及解答來自專家學(xué)者們關(guān)于遺傳學(xué)、經(jīng)濟(jì)學(xué)和量子物理學(xué)的復(fù)雜問題。大量圖表顯示,在內(nèi)部評(píng)估中,o1在編碼、數(shù)學(xué)和各個(gè)科學(xué)領(lǐng)域的問題上已經(jīng)超越了公司最先進(jìn)的語言模型GPT-4o,甚至可能超越了人類。

 

                            圖片來源:OpenAI官網(wǎng)

五大維度實(shí)測(cè):代碼編寫、游戲制作等能力“驚艷”,但“栽”在了事實(shí)性知識(shí)測(cè)試

為了深入了解o1模型的強(qiáng)大能力,《每日經(jīng)濟(jì)新聞》記者從經(jīng)典草莓測(cè)試、代碼編寫、小游戲制作、數(shù)學(xué)與經(jīng)濟(jì)學(xué),以及事實(shí)性知識(shí)這五大維度對(duì)o1-preview模型進(jìn)行了測(cè)試。 

1)草莓測(cè)試

首先,記者用之前幾乎所有大模型都“翻車”的一道簡(jiǎn)單題目進(jìn)行了測(cè)試,即“單詞strawberry里面到底有幾個(gè)r。從生成的結(jié)果看,o1-preview還是帶來了一點(diǎn)小驚喜的。

2)代碼編寫

記者首先向o1-preview詢問了一個(gè)在線編程平臺(tái)leetcode里最有名的簡(jiǎn)單算法題:Two Sum(兩數(shù)之和)問題。o1給出了很詳盡的推理過程和答案。

隨后記者故意要求優(yōu)化答案,o1在思考9秒后意識(shí)到自己提供的已經(jīng)是最優(yōu)解法了,并就此進(jìn)行了說明,另外還很“貼心”地提供了一個(gè)次優(yōu)解。而在之前記者對(duì)其他模型的測(cè)試中,這些模型只會(huì)道歉然后將答案更改為次優(yōu)解。

3)小游戲制作

在o1模型的演示中,OpenAI演示過“用一句話編寫小游戲”的功能。測(cè)試過程中,記者讓o1-preview幫忙介紹好用的代碼工具,并協(xié)助編寫一個(gè)乒乓小游戲。

o1-preview僅用了19秒就給出了一份能夠流暢運(yùn)行的代碼,并且附上了學(xué)習(xí)指南和鼓勵(lì)的話語,非常地人性化。

為避免o1-preview作弊,使用的是記憶能力,而不是使用推理能力進(jìn)行回答,記者還請(qǐng)求o1-preview更換了一個(gè)代碼運(yùn)行環(huán)境:jupyter note。這一運(yùn)行環(huán)境是針對(duì)數(shù)據(jù)分析進(jìn)行特化的python環(huán)境,開發(fā)人員基本不會(huì)使用此環(huán)境開發(fā)小游戲。

經(jīng)過思考后,o1依然給出了一個(gè)可以運(yùn)行的代碼。不過,相較于之前的代碼,這份答案有著不少的bug,但這也從側(cè)面說明這確實(shí)是思考出來的答案,而不是訓(xùn)練過程中加入的標(biāo)準(zhǔn)答案。

為進(jìn)一步驗(yàn)證o1-preview的創(chuàng)新推理能力,記者隨后又要求模型在這個(gè)小游戲的基礎(chǔ)上開發(fā)一個(gè)更復(fù)雜有趣的小游戲。

這下,o1的表現(xiàn)真的有點(diǎn)驚喜。根據(jù)乒乓游戲的碰撞機(jī)制,該模型自行迭代出了一個(gè)向上登高的跳躍游戲。一般其他大模型需要用戶把需求描述清楚才會(huì)輸出一個(gè)比較好的答案,但記者在這次測(cè)試中沒有進(jìn)行任何的額外提示,o1就輸出了一個(gè)能流暢運(yùn)行,并且在記者眼中看來也足夠有趣的小游戲。

4)科學(xué)類測(cè)試

在科學(xué)類測(cè)試方面,記者重點(diǎn)測(cè)試了o1-preview在數(shù)學(xué)和經(jīng)濟(jì)學(xué)上的表現(xiàn)。

首先,記者拋出的是一個(gè)數(shù)學(xué)推理問題,向o1-preview詢問解決歐拉方程有限時(shí)間爆破的可能方法(這是著名華裔數(shù)學(xué)家、菲爾茲獎(jiǎng)得主陶哲軒教授本周才發(fā)表的討論文章)。

o1雖然沒有給出明確解法,但卻提供了一個(gè)解題思路,這一思路和陶哲軒教授文章部分吻合(雖然很少)。

經(jīng)濟(jì)學(xué)方向上,記者向o1-preview詢問了一個(gè)復(fù)雜的經(jīng)濟(jì)系統(tǒng)問題。從給出的反饋看,基本沒有什么太大的問題,整體邏輯清晰,思考維度也是多樣化的,給出的數(shù)學(xué)公式雖然有一點(diǎn)小差錯(cuò)但是無傷大體

5)事實(shí)性知識(shí)與語言理解

在這一環(huán)節(jié),記者向o1-preview詢問了明朝第一任皇帝的趣事,但o1就將趣事理解成了歷史上實(shí)際發(fā)生過的事情,將朱元璋的歷史故事整個(gè)敘述了出來。

同時(shí),記者也將這一問題丟給了GPT-4o模型,作為對(duì)比,GPT-4o能很好地理解記者的問題,并講了兩個(gè)流傳很廣的民間小故事。

總體來看,OpenAI宣稱o1模型能接近人類水平在某些方面上看起來并不是虛話

最讓記者驚喜的是,OpenAI將模型思考的過程用文字展示給了用戶,文字思考過程中,大模型大量使用了“我正在“我認(rèn)為”“我打算”等話語,感覺更加擬人化,就像一個(gè)真人在用戶面前闡述自己的思考邏輯一般。

但這也并不意味著o1模型就是完美的。OpenAI也承認(rèn),在設(shè)計(jì)、寫作、編輯文字等方面上,o1遠(yuǎn)不如GPT-4o。o1也沒有瀏覽網(wǎng)頁或處理文件和圖像的能力。

而最讓記者感到頭疼的是,即使是一個(gè)很簡(jiǎn)單的請(qǐng)求,比如說將輸出結(jié)果轉(zhuǎn)換為中文,o1都會(huì)消耗十幾秒鐘的時(shí)間來思考,而GPT4o就會(huì)很快處理好這一請(qǐng)求。

就算在OpenAI的優(yōu)勢(shì)領(lǐng)域中,o1模型也會(huì)突然出現(xiàn)性能下降,模型輸出懶惰的情況。已離職的OpenAI創(chuàng)始人Karpathy就吐槽道:“它一直拒絕為我解決黎曼假說。模型懶惰仍然是一個(gè)主要問題。”

OpenAI表示,公司會(huì)在之后的更新中解決這些問題,畢竟現(xiàn)在這只是推理模型的早期預(yù)覽。

如需轉(zhuǎn)載請(qǐng)與《每日經(jīng)濟(jì)新聞》報(bào)社聯(lián)系。
未經(jīng)《每日經(jīng)濟(jì)新聞》報(bào)社授權(quán),嚴(yán)禁轉(zhuǎn)載或鏡像,違者必究。

讀者熱線:4008890008

特別提醒:如果我們使用了您的圖片,請(qǐng)作者與本站聯(lián)系索取稿酬。如您不希望作品出現(xiàn)在本站,可聯(lián)系我們要求撤下您的作品。

Ai OpenAI 大模型

歡迎關(guān)注每日經(jīng)濟(jì)新聞APP

每經(jīng)經(jīng)濟(jì)新聞官方APP

0

0

免费va国产高清不卡大片,笑看风云电视剧,亚洲黄色性爱在线观看,成人 在线 免费