Nous avons atteint un niveau de performance de médaille d'or lors de l'IMO de cette année ! Notre modèle pense et rédige des preuves en anglais clair et simple - aucun code formel requis. Contrairement aux systèmes plus étroits utilisés lors des compétitions passées, notre modèle est conçu pour raisonner de manière large, bien au-delà des problèmes de concours.

Nous avons participé en direct au Concours Heuristique des Finales Mondiales @atcoder et nous avons terminé 2ème ! Des modèles comme o3 se classent parmi les 100 meilleurs dans les concours de codage / mathématiques, mais à ma connaissance, c'est le premier classement dans le top-3 d'un concours de codage / mathématiques de premier plan. Il y a un énorme écart entre le top-100 et le top-3 !

Je suis extrêmement enthousiaste à propos du potentiel de la fidélité et de l'interprétabilité en chaîne de pensée. Cela a significativement influencé la conception de nos modèles de raisonnement, en commençant par o1-preview. Alors que les systèmes d'IA consacrent plus de puissance de calcul à des problèmes de recherche à long terme, il est crucial que nous ayons un moyen de surveiller leur processus interne. La merveilleuse propriété des CoTs cachés est que, bien qu'ils commencent ancrés dans un langage que nous pouvons interpréter, la procédure d'optimisation évolutive n'est pas adversaire à la capacité de l'observateur à vérifier l'intention du modèle - contrairement, par exemple, à la supervision directe avec un modèle de récompense. La tension ici est que si les CoTs n'étaient pas cachés par défaut, et que nous considérions le processus comme faisant partie de la sortie de l'IA, il y aurait beaucoup d'incitation (et dans certains cas, de nécessité) à y mettre de la supervision. Je crois que nous pouvons travailler vers le meilleur des deux mondes ici - former nos modèles à être excellents pour expliquer leur raisonnement interne, tout en conservant la capacité de le vérifier occasionnellement. La fidélité des CoT fait partie d'une direction de recherche plus large, qui est la formation à l'interprétabilité : définir des objectifs de manière à former au moins une partie du système à rester honnête et surveillable à grande échelle. Nous continuons à augmenter notre investissement dans cette recherche chez OpenAI.

L'épisode 2 du podcast OpenAI est maintenant en ligne ! @markchen90 et @nickaturley rejoignent @andrewmayne pour dévoiler les coulisses de la création de ChatGPT. Ils abordent également comment les produits sont développés et ce qui attend le codage agentique et les assistants multimodaux.

La meilleure raison de passer de l’utilisation de 4o à o3 est que o3 convient que le meilleur running back de la NFL est @saquon !

Rien ne vaut la combustion de l’huile de minuit dans un état de débit maximal...

Nous n’embauchons pas trop pour la recherche. Et sur la barre de talents, il y a des gens vraiment phénoménaux qui rejoignent le mois prochain ! J’ai passé des années dans le trading jusqu’à ce que le manque de sens m’épuise. Je n’ai jamais ressenti cela chez OAI - c’est tellement plus gratifiant de construire des choses avec un impact sur le monde réel.

Je viens de sortir Codex, un agent d’ingénierie logicielle qui peut travailler sur de nombreuses tâches en parallèle. Il fonctionne sur sa propre infrastructure de calcul basée sur le cloud et peut corriger des bogues, répondre à des questions sur votre code, exécuter des tests, etc. Cela ressemble à un pas vers l’avenir de l’ingénierie logicielle.

Produit + Recherche = ❤️ J’ai hâte de travailler avec @markchen90 et de donner vie à ses percées grâce à nos produits.

Je suis tellement enthousiaste à l’idée de travailler avec @fidjissimo - c’est une visionnaire du produit !