¡Las pruebas de GDM son encantadoras! Felicitaciones al equipo por un esfuerzo impresionante.

Diversión: hace 3/4 meses ejecuté o3 para algunos académicos en un conjunto de problemas al estilo AIME. Les ha llevado tanto tiempo escribir un resumen de los resultados (96% irrc) que Alex resolvió la prueba y en mi opinión mientras tanto jajaja

Diversión: hace 3/4 meses ejecuté o3 para algunos académicos en un conjunto de problemas al estilo AIME. Les ha llevado tanto tiempo escribir un resumen de los resultados (98%) que Alex resolvió la prueba + en mi opinión mientras tanto jajaja

Diversión: Hace 3/4 meses ejecuté o3 para algunos académicos en un conjunto de pruebas privadas de problemas similares a AIME. Les ha llevado tanto tiempo escribir un resumen de los resultados (96%) que Alex resolvió en mi opinión mientras tanto.

@alexwei_ puedes decirle al mundo cuántos tokens por problema?

Para resumir esta semana: - Lanzamos una computadora de propósito general usando Agent - fue derrotado por un solo humano en la competencia de heurística de Atcoder - Resueltos 5/6 nuevos problemas de la OMI con pruebas de lenguaje natural Todos ellos se basan en el mismo sistema único de aprendizaje por refuerzo

17 M EE. UU. adolescentes grados 9-12, ~ 5 oros de la OMI de EE. UU. en la práctica, pero ~ 20 niños en el nivel de oro. Entonces, en mi opinión, el oro es un talento matemático único en un millón (para jóvenes de 18 años; pero apuesto a que a continuación Putnam también cae). Percentil 99.9999.

¿Por qué estoy entusiasmado con los resultados de la OMI que acabamos de publicar? - hicimos muy poco trabajo específico de la OMI, solo seguimos entrenando modelos generales - Todas las pruebas de lenguaje natural - sin arnés de evaluación Necesitábamos un nuevo avance en la investigación y @alexwei_ y el equipo cumplieron

Si afirmas haber visto venir esto, es mejor que tengas el colector de pérdidas y ganancias para respaldarlo

Los LLM siguen siendo subestimados