OpenAI最新模型o3展现强大推理能力

2024-12-26 09:40来源: 科技日报

调查问题加载中,请稍候。
若长时间无响应,请刷新本页面

  ◎科技日报记者 刘 霞

  12月20日,美国开放人工智能研究中心(OpenAI)介绍了其最新的人工智能(AI)推理模型——o3及其轻量版o3-mini。该公司宣称,o3具备更先进、近似人类的推理能力,在代码编写、数学竞赛和掌握人类博士级别的科学知识等方面,均超越了其“前辈”o1。

  不过,英国《新科学家》网站在12月22日的报道中指出,尽管o3“实现了令人瞩目的性能飞跃”,但仍未达到业内翘首以盼的通用AI(AGI)水平。

  o3虽然多方面性能均超越其“前辈”o1,但与人类智能仍存在根本差异。图片来源:美国趣味工程网站

  OpenAI宣布其新一代AI模型o3取得了突破性成就。图片来源:英国《新科学家》网站

  多方面表现出色

  OpenAI公司透露,在解决更复杂的多步骤问题时,o3模型会花更多时间计算答案,然后再给出回应。这一推理能力的提升,使o3在多项测试中表现出色。

  大型语言模型热衷于在各种数学基准测试上疯狂“刷分”,o3也不例外。在2024年美国数学邀请赛中,o3模型的准确率高达96.7%,仅答错了一个问题。而在OpenAI研究人员认为最严格的基准测试之一——Frontier Math中,o3也解决了25.2%的问题。尽管这一得分看似不高,但此前其他大型语言模型曾在此“集体翻车”,正确率均未超过2%。

  Frontier Math测试难度极大,曾被华裔数学家、菲尔兹奖得主陶哲轩评价为“可能会难住AI好几年”。然而,o3只需思考几分钟便能解答其中一道题目,而人类数学家则要花费数小时到数天。

  在对科学知识的掌握方面,o3的表现也超出一般博士水平。在GPQA Diamond(衡量模型在博士级科学问题上的表现,涵盖化学、物理和生物学方面的专业知识)基准测试中,o3的准确率达到87.7%,超过了人类博士的70%,也比之前o1表现高近10%。

  此外,o3的编码能力也比之前的o1系列更胜一筹。在 SWE-bench Verified(衡量AI模型解决现实世界软件问题的能力)基准上,o3的准确率约为71.7%,比o1高20%以上。在Codeforces编码竞赛平台中,o3的得分为2727,相当于榜单上第175名人类编程员的水平,而o1得分仅为1891。

  在展示了o3取得的这些傲人成绩后,OpenAI首席执行官奥尔特曼强调,o3的出现标志着AI进入了下一个发展阶段,这些模型可处理需要大量推理的复杂任务。

  与人类智能仍有差异

  《新科学家》网站还报道,在被视为AGI重要衡量标准的抽象与推理语料库-AGI(ARC-AGI)大赛中,o3模型也创下新纪录:在低算力配置下,它以75.7%的得分登上公共排行榜前列。只因确定此项大奖得主的测试具有更严格的算力限制,在该算力限制下,o3的挑战以失败告终。

  不过,在超出官方算力限制172倍的高算力下,o3采用“蛮力”取得了87.5%的成绩,达到了代表人类水平的85%门槛。

  对于o3的表现,谷歌前工程师、ARC-AGI主要创建者弗朗索瓦·肖莱在博客中写道,这是AI能力的一次惊人且重要的跃升。但o3尚未实现AGI,因为其仍然无法解决ARC-AGI比赛中一些非常简单的问题,这表明其与人类智能存在根本差异。

  AGI是一个假想中的未来系统,它能够模仿人类思维、决策,拥有自我意识,并能自主行动。然而,AGI目前主要活跃在科幻作品中,尚未走进现实。

  升级迭代并非易事

  o3不仅是OpenAI公司的最新力作,也是AI巨头竞逐大型语言模型的生动写照。

  两年前,OpenAI发布了ChatGPT,由此拉开了AI军备竞赛的序幕。从GPT-3.5到更准确、更具创造性的GPT-4,再到o1,直至o3,OpenAI在不断精进自家产品。

  其他顶级AI开发商也在利用日益先进的技术,推动自家产品迭代升级。此前不久,谷歌推出了其旗舰模型“双子座”(Gemini)的新版本,据称其速度是上一代的两倍,并且能够“思考、记忆、规划,甚至替代用户采取行动”。元宇宙平台公司计划明年推出Llama 4。

  然而,迭代之路并非坦途。包括OpenAI和谷歌在内的几家领军企业,正面临新模型开发耗资巨大但回报递减的困境。OpenAI的GPT-5模型开发工作进展缓慢。据悉,仅6个月的训练,单计算成本就高达约5亿美元,而性能仅比该公司现有产品略胜一筹。

[责任编辑: 田新宇 ]
阅读剩余全文(
为你推荐
这是2月15日拍摄的2025宁夏(银川)春季首场开门红万人特大型招聘会现场。当日,2025宁夏(银川)春季首场开门红万人特大型招聘会在宁夏体育馆举行。当日,2025宁夏(银川)春季首场开门红万人特大型招聘会在宁夏体育馆举行。
16
2月14日,在海南三亚的国家南繁科研育种基地里,青岛海水稻研究发展中心的科研人员张书艮对水稻进行管护(无人机照片)。
16
当日是周六,人们纷纷来到国家图书馆读书、学习,充实周末生活。
16
实践二十五号卫星发射升空,国产大飞机C919开启沪港定期商业航班,“华龙一号”漳州核电1号机组投入商业运行……从广袤西部到南方海滨,新质生产力热潮持续涌动,勾勒出中国经济新图景。新华社发(漳州核电供图)  2024年11月6日在位于重庆市两江新区的赛力斯超级工厂拍摄的新能源汽车(无人机照片)。
15
在上海徐汇滨江,“乐滑之梦”和西岸梦中心联手打造的户外水岸冰场热闹非凡。伴随节奏感强的音乐和灵动灯光,上海市民周雄和儿子手牵手,在冰面上练习滑行。
15
2月14日晚,在北京市海淀区的UME国际影城(华星店),家长带着孩子挑选电影纪念品。新华社记者 才扬 摄  2月14日,在北京市海淀区的UME国际影城(华星店)里拍摄的《哪吒2》电影海报。
15
当日,由西成客专陕西公司建设、铁一院勘察设计、中国铁建大桥局施工的西延高铁铜川隧道顺利贯通,标志着西延高铁全线隧道全部贯通。西延高铁线路全长约299公里,设计时速350公里,是我国“八纵八横”高铁网包(银)海通道的重要组成部分。项目建成后,西安至延安的运行时间将从目前的2.5小时缩短至1小时左右。
14
当日,在贵州省安顺市境内,作业人员操纵架桥机,将重约135吨的32米T梁成功架设在斗篷山特大桥30-31号桥墩间。新建沪昆铁路至安六铁路客车联络线成功上跨既有沪昆铁路,工程建设取得进展,为项目早日建成通车奠定基础。
14
2月13日,中国国产动画电影《哪吒之魔童闹海》(《哪吒2》)正式迈入百亿票房俱乐部,成为全球影史首部在单一市场突破100亿元人民币(约14亿美元)的动画电影。
14
当日,在四川省泸州市泸县,来自四川省内外龙舞队和泸县20个镇(街道)特色龙舞队同台竞演、巡游,让群众欢度元宵佳节的同时感受传统文化魅力。当日,在四川省泸州市泸县,来自四川省内外龙舞队和泸县20个镇(街道)特色龙舞队同台竞演、巡游,让群众欢度元宵佳节的同时感受传统文化魅力。
13
载入更多资讯
返回
返回

点击右上角微信好友

朋友圈

点击浏览器下方“”分享微信好友Safari浏览器请点击“”按钮

点击右上角QQ

点击浏览器下方“”分享QQ好友Safari浏览器请点击“”按钮