OpenAI o1有哪些新功能？

chatgpt2024-09-14 19:30:4891

OpenAI o1主要优化内容

o1模型在逻辑和推理能力上有显著提升，其性能强大，适用于处理各个领域推理的复杂任务。模型具有人类慢思考的特性，能在回答之前进行更多的思考，而非直接回应，这种能力在物理、化学、生物和编程数学等方面的表现接近博士生水平。

主要优化如下场景的内容：

AIME 2024，一个高水平的数学竞赛，GPT4o准确率为13.4%，而这次的o1-preview，是56.7%，还未发布的o1正式版，是83.3%。

代码竞赛，GPT4o准确率为11.0%，o1-preview为62%，o1正式版，是89%。

而最牛逼的博士级科学问题 (GPQA Diamond)，GPT4o是56.1，人类专家水平是69.7，o1达到了恐怖的78%。

可以预期，这个提升对于行业专家的影响比较大。OpenAI官方的举例是，比如医疗研究人员可以用它注释细胞测序数据，物理学家可以用它生成复杂的量子光学公式，开发人员可以用它构建并执行多步骤的工作流程。

使用RL pipeline 针对STEM优化，对于优化的部分，体现出了更强的能力，对于未优化的内容，会弱于gpt4o

o1-mini 是一个较小的模型，在预训练期间针对 STEM 进行了优化。在使用与 o1 相同的高计算强化学习 (RL) pipeline 进行训练后， o1-mini 在许多有用的推理任务上实现了相媲美的性能，同时成本效率显著提高。

数学能力：在高中 AIME 数学竞赛中，o1-mini (70.0%) 与 o1 (74.4%) 不相上下，但价格却便宜很多，并且优于 o1-preview (44.6%)。o1-mini 的得分（约 11/15 个问题）大约位列美国高中生前 500 名。

编码能力：在 Codeforces 竞赛网站上，o1-mini 的 Elo 得分为 1650，与 o1 (1673) 不相上下，并且高于 o1-preview (1258)。此外，o1-mini 在 HumanEval 编码基准和高中网络安全夺旗挑战 (CTF) 中也表现出色。

STEM：在一些需要推理的学术基准上，例如 GPQA（科学）和 MATH-500，o1-mini 的表现优于 GPT-4o。o1-mini 在 MMLU 等任务上的表现则不如 GPT-4o，并且由于缺乏广泛的世界知识而在 GPQA 基准上落后于 o1-preview。

参考：https://openai.com/index/openai-o1-mini-advancing-cost-efficient-reasoning/