Dovezile GDM sunt minunate! Felicitări echipei pentru efortul impresionant.

distracție: acum 3/4 luni am rulat o3 pentru niște academicieni pe un set de probleme în stil AIME. Le-a luat atât de mult timp să scrie un rezumat al rezultatelor (96% irrc) încât Alex a rezolvat dovada și IMO între timp lol

distracție: acum 3/4 luni am rulat o3 pentru niște academicieni pe un set de probleme în stil AIME. Le-a luat atât de mult timp să scrie un rezumat al rezultatelor (98%) încât Alex a rezolvat dovada + IMO între timp lol

distracție: acum 3/4 luni am rulat o3 pentru niște academicieni pe un set de teste private de probleme asemănătoare AIME. Le-a luat atât de mult timp să scrie un rezumat al rezultatelor (96%) încât Alex a rezolvat IMO între timp.

@alexwei_ poți spune lumii câte jetoane pe problemă?

Pentru a rezuma săptămâna aceasta: - Am lansat un agent de utilizare a computerului de uz general - A fost învins de un singur om în competiția euristică AtCoder - am rezolvat 5/6 probleme noi IMO cu dovezi în limbaj natural Toate acestea se bazează pe același sistem unic de învățare prin întărire

17 milioane de adolescenți din SUA clasele 9-12, ~5 aur IMO din SUA la antrenament, dar ~20 de copii la nivel de aur. Deci, aurul IMO este unul dintr-un milion de talente matematice (pentru tinerii de 18 ani; dar pun pariu că și Putnam va cădea). Percentila 99,9999.

De ce sunt entuziasmat de rezultatele IMO pe care tocmai le-am publicat: - am făcut foarte puțină muncă specifică OMI, doar continuăm să antrenăm modele generale - toate dovezile în limbaj natural - fără ham de evaluare Aveam nevoie de o nouă descoperire în cercetare și de @alexwei_ și de echipă

Dacă pretinzi că ai văzut acest lucru venind, ar fi bine să ai mai multe P&L pentru a-l susține

LLM-urile rămân subestimate