Abbiamo raggiunto prestazioni a livello di medaglia d'oro all'IMO di quest'anno! Il nostro modello pensa e scrive dimostrazioni in un inglese chiaro e semplice - non è necessario alcun codice formale. A differenza dei sistemi più ristretti utilizzati nelle competizioni passate, il nostro modello è progettato per ragionare in modo ampio, ben oltre i problemi del concorso.

Abbiamo partecipato dal vivo alla finale mondiale del concorso Heuristic di @atcoder e ci siamo classificati al 2° posto! Modelli come o3 si collocano tra i primi 100 nei concorsi di programmazione / matematica, ma AFAIK questo è il primo piazzamento tra i primi 3 in un concorso di programmazione / matematica di alto livello. C'è un enorme divario tra i primi 100 e i primi 3!

Sono estremamente entusiasta del potenziale della fedeltà e dell'interpretabilità del chain-of-thought. Ha influenzato significativamente il design dei nostri modelli di ragionamento, a partire da o1-preview. Poiché i sistemi di intelligenza artificiale spendono più risorse computazionali, ad esempio, su problemi di ricerca a lungo termine, è fondamentale avere un modo per monitorare il loro processo interno. La meravigliosa proprietà dei CoT nascosti è che, mentre iniziano a essere ancorati in un linguaggio che possiamo interpretare, la procedura di ottimizzazione scalabile non è avversaria alla capacità dell'osservatore di verificare l'intento del modello - a differenza, ad esempio, della supervisione diretta con un modello di ricompensa. La tensione qui è che se i CoT non fossero nascosti per impostazione predefinita, e considerassimo il processo come parte dell'output dell'IA, ci sarebbe un grande incentivo (e in alcuni casi, necessità) a mettere supervisione su di esso. Credo che possiamo lavorare per ottenere il meglio di entrambi i mondi qui: addestrare i nostri modelli a essere bravi a spiegare il loro ragionamento interno, ma allo stesso tempo mantenere la capacità di verificarlo occasionalmente. La fedeltà del CoT è parte di una direzione di ricerca più ampia, che è l'addestramento per l'interpretabilità: impostare obiettivi in modo che almeno una parte del sistema rimanga onesta e monitorabile su scala. Stiamo continuando ad aumentare il nostro investimento in questa ricerca presso OpenAI.

L'episodio 2 del podcast di OpenAI è ora disponibile! @markchen90 e @nickaturley si uniscono a @andrewmayne per svelare il dietro le quinte della creazione di ChatGPT. Parlano anche di come vengono sviluppati i prodotti e di cosa ci aspetta per la programmazione agentica e gli assistenti multimodali.

Il miglior motivo per passare dall'uso di 4o a quello di O3 è che O3 concorda sul fatto che il miglior running back della NFL sia @saquon!

Non c'è niente di meglio che bruciare l'olio di mezzanotte in uno stato di massimo flusso...

Non assumiamo troppo per la ricerca. E sulla barra dei talenti, ci sono alcune persone davvero fenomenali che si uniranno nel prossimo mese! Ho passato anni a fare trading fino a quando la mancanza di significato non mi ha logorato. Non l'ho mai sentito in OAI: è molto più appagante costruire cose con un impatto sul mondo reale.

Appena rilasciato Codex, un agente di ingegneria del software in grado di lavorare su molte attività in parallelo. Viene eseguito sulla propria infrastruttura di calcolo basata su cloud e può correggere bug, rispondere a domande sul codice, eseguire test, ecc. Sembra un passo verso il futuro dell'ingegneria del software.

Prodotto + Ricerca = ❤️ Non vedo l'ora di lavorare con @markchen90 e dare vita alle sue scoperte attraverso i nostri prodotti.

Sono così entusiasta di lavorare con @fidjissimo: è una visionaria del prodotto!