Disse resultatene var øyeåpnende for meg ... ChatGPT-agenten presterte bedre enn jeg forventet på noen ganske realistiske investeringsbankoppgaver

Jeg hadde tidlig tilgang og ChatGPT-agenten tror jeg er et stort skritt fremover for å få AI-er til å gjøre ekte arbeid Selv på dette stadiet gjør den en god jobb med å undersøke og sette sammen Excel-filer (med formler!), PowerPoint, etc. Det gir en følelse av hvordan agenter kommer sammen

Oppdatering: Jeg lever i beste velgående Resultatene er offisielle nå, og forspranget mitt over AI økte fra 5,5 % til 9,5 % 😎 Ærlig talt, hypen føles litt bisarr. Forventet aldri at så mange mennesker ville være interessert i programmeringskonkurranser. Antar at dette betyr at jeg burde stikke innom her oftere👀

ChatGPT Agent: vår første AI med tilgang til en tekstleser, en visuell nettleser og en terminal. Rulles ut i ChatGPT Pro, Plus og Team i dag.

Menneskeheten har seiret (foreløpig!) Jeg er helt utslitt. Jeg tenkte at jeg hadde 10 timers søvn de siste 3 dagene, og jeg er knapt i live. Jeg skal legge ut mer om konkurransen når jeg får litt hvile. (For å være tydelig, det er foreløpige resultater, men ledelsen min bør være stor nok)

Jeg er ekstremt begeistret for potensialet i tankekjedetrofasthet og tolkbarhet. Det har betydelig påvirket utformingen av resonneringsmodellene våre, og starter med o1-forhåndsvisning. Ettersom AI-systemer bruker mer databehandling, for eksempel på langsiktige forskningsproblemer, er det avgjørende at vi har en måte å overvåke deres interne prosess på. Den fantastiske egenskapen til skjulte CoT-er er at selv om de starter forankret i språk vi kan tolke, er den skalerbare optimaliseringsprosedyren ikke i strid med observatørens evne til å verifisere modellens intensjon - i motsetning til for eksempel direkte tilsyn med en belønningsmodell. Spenningen her er at hvis CoT-ene ikke var skjult som standard, og vi ser på prosessen som en del av AIs utdata, er det mye insentiv (og i noen tilfeller nødvendighet) til å sette tilsyn på den. Jeg tror vi kan jobbe mot det beste fra begge verdener her - trene modellene våre til å være gode til å forklare deres interne resonnement, men samtidig beholde evnen til å verifisere det av og til. CoT-trofasthet er en del av en bredere forskningsretning, som er trening for tolkbarhet: å sette mål på en måte som trener i det minste deler av systemet til å forbli ærlig og overvåkelig med skala. Vi fortsetter å øke investeringene våre i denne forskningen ved OpenAI.

Det har blitt enklere å bygge AI-agenten din i butikkfronten. Koble Storefront MCP-serveren direkte til @OpenAI Responses API for å søke etter produkter, legge til varer i handlekurven og opprette betalingslenker. Ingen godkjenning kreves.

I løpet av de siste 35 dagene har @OpenAI codex slått sammen 345 000 PR-er på GitHub. 345,000. AI spiser programvareutvikling