¡Logramos un rendimiento de nivel medalla de oro en la IMO de este año! Nuestro modelo piensa y escribe pruebas en un inglés claro y sencillo, sin necesidad de código formal. A diferencia de los sistemas más limitados utilizados en competiciones anteriores, nuestro modelo está diseñado para razonar de manera amplia, mucho más allá de los problemas del concurso.

¡Competimos en vivo en la Final Mundial del Concurso Heurístico de @atcoder y quedamos en 2º lugar! Modelos como o3 se encuentran entre los 100 mejores en concursos de programación / matemáticas, pero hasta donde sé, esta es la primera vez que logramos un puesto entre los 3 primeros en un concurso de programación / matemáticas de primer nivel. ¡Hay una gran diferencia entre estar entre los 100 mejores y estar entre los 3 primeros!

Estoy extremadamente emocionado por el potencial de la fidelidad y la interpretabilidad de la cadena de pensamiento. Ha influido significativamente en el diseño de nuestros modelos de razonamiento, comenzando con o1-preview. A medida que los sistemas de IA dedican más recursos computacionales, por ejemplo, a problemas de investigación a largo plazo, es fundamental que tengamos alguna forma de monitorear su proceso interno. La maravillosa propiedad de los CoTs ocultos es que, aunque comienzan fundamentados en un lenguaje que podemos interpretar, el procedimiento de optimización escalable no es adversarial a la capacidad del observador para verificar la intención del modelo, a diferencia de, por ejemplo, la supervisión directa con un modelo de recompensa. La tensión aquí es que si los CoTs no estuvieran ocultos por defecto, y vemos el proceso como parte de la salida de la IA, hay mucho incentivo (y en algunos casos, necesidad) de poner supervisión sobre ello. Creo que podemos trabajar hacia lo mejor de ambos mundos aquí: entrenar nuestros modelos para que sean excelentes explicando su razonamiento interno, pero al mismo tiempo mantener la capacidad de verificarlo ocasionalmente. La fidelidad de CoT es parte de una dirección de investigación más amplia, que es el entrenamiento para la interpretabilidad: establecer objetivos de tal manera que entrene al menos parte del sistema para que permanezca honesto y monitoreable a gran escala. Estamos continuando aumentando nuestra inversión en esta investigación en OpenAI.

¡El episodio 2 del podcast de OpenAI ya está disponible! @markchen90 y @nickaturley se unen a @andrewmayne para desvelar el proceso de creación de ChatGPT. También hablan sobre cómo se desarrollan los productos y qué viene a continuación para la codificación agentiva y los asistentes multimodales.

La mejor razón para cambiar de usar 4o a o3 es que o3 está de acuerdo en que el mejor corredor de la NFL es @saquon.

No hay nada mejor que quemar el aceite de medianoche en un estado máximo de flujo...

No contratamos en exceso en investigación. Y en la barra de talentos, ¡hay algunas personas realmente fenomenales que se unirán durante el próximo mes! Pasé años en el trading hasta que la falta de sentido me desgastó. Nunca he sentido eso en OAI, es mucho más satisfactorio construir cosas con impacto en el mundo real.

Acaba de lanzar Codex, un agente de ingeniería de software que puede trabajar en muchas tareas en paralelo. Se ejecuta en su propia infraestructura informática basada en la nube y puede corregir errores, responder preguntas sobre su código, ejecutar pruebas, etc. Se siente como un paso hacia el futuro de la ingeniería de software.

Producto + Investigación = ❤️ No puedo esperar para trabajar con @markchen90 y dar vida a sus avances a través de nuestros productos.

Estoy muy emocionada de trabajar con @fidjissimo, ¡es una visionaria del producto!