menyenangkan: 3/4 bulan yang lalu saya menjalankan o3 untuk beberapa akademisi pada serangkaian masalah gaya AIME. Butuh waktu lama bagi mereka untuk menulis ringkasan hasil (96% irrc) sehingga Alex memecahkan bukti & IMO sementara itu lol

menyenangkan: 3/4 bulan yang lalu saya menjalankan o3 untuk beberapa akademisi pada serangkaian masalah gaya AIME. Butuh waktu lama bagi mereka untuk menulis ringkasan hasil (98%) sehingga Alex memecahkan bukti+IMO sementara itu lol

menyenangkan: 3/4 bulan yang lalu saya menjalankan o3 untuk beberapa akademisi pada serangkaian tes pribadi masalah seperti AIME. Butuh waktu lama bagi mereka untuk menulis ringkasan hasil (96%) sehingga Alex memecahkan IMO sementara itu.

@alexwei_ Anda dapat memberi tahu dunia berapa banyak token per masalah?

Untuk meringkas minggu ini: - Kami merilis komputer tujuan umum menggunakan agen - Dikalahkan oleh satu manusia dalam kompetisi heuristik atcoder - memecahkan 5/6 masalah IMO baru dengan bukti bahasa alami Semua itu didasarkan pada sistem pembelajaran penguatan tunggal yang sama

17 juta remaja AS kelas 9-12, ~ 5 emas IMO AS dalam latihan tetapi ~ 20 anak di tingkat emas. Jadi emas IMO adalah satu dari sejuta bakat matematika (untuk anak berusia 18 tahun; tapi saya yakin berikutnya Putnam juga jatuh). Persentil ke-99,9999.

Mengapa saya senang dengan hasil IMO yang baru saja kami publikasikan: - kami melakukan sangat sedikit pekerjaan khusus IMO, kami hanya terus melatih model umum - semua bukti bahasa alami - Tidak ada harness evaluasi Kami membutuhkan terobosan penelitian baru dan @alexwei_ dan tim yang disampaikan

Jika Anda mengklaim telah melihat ini datang, Anda lebih baik memiliki banyak P&L untuk mendukungnya

LLM tetap diremehkan

Saya merasa ini mungkin bermanfaat bagi beberapa dari Anda hari ini: