Доказательства GDM прекрасны! Поздравляю команду с впечатляющими усилиями.

весело: 3-4 месяца назад я проводил o3 для некоторых академиков по набору задач в стиле AIME. Им потребовалось так много времени, чтобы написать резюме результатов (96% если я правильно помню), что Алекс в это время решил доказательство и IMO, ха-ха.

весело: 3/4 месяца назад я проводил o3 для некоторых академиков по набору задач в стиле AIME. Им потребовалось так много времени, чтобы написать сводку результатов (98%), что Алекс в это время решил proof+IMO, лол.

весело: 3/4 месяца назад я запускал o3 для некоторых академиков на частном тестовом наборе задач, похожих на AIME. Им потребовалось так много времени, чтобы написать резюме результатов (96%), что Алекс в это время решил IMO.

@alexwei_ можешь сказать миру, сколько токенов за проблему?

Подводя итоги этой недели: - мы выпустили универсальный компьютер с использованием агента - нас обыграл один человек на соревновании по эвристике atcoder - мы решили 5 из 6 новых задач IMO с помощью доказательств на естественном языке Все это основано на одной и той же системе обучения с подкреплением.

17 миллионов подростков в США в классах 9-12, ~5 золотых медалей IMO в практике, но ~20 детей на уровне золота. Так что золотая медаль IMO — это один на миллион математических талантов (для 18-летних; но я уверен, что следующий Putnam тоже упадет). 99.9999-й процентиль.

Почему я рад результатам IMO, которые мы только что опубликовали: - мы сделали очень мало работы, специфичной для IMO, мы просто продолжаем обучать общие модели - все доказательства на естественном языке - нет оценочного инструмента Нам нужен был новый прорыв в исследованиях, и @alexwei_ с командой его достигли.

Если вы утверждаете, что предвидели это, вам лучше иметь многообразие P&L, чтобы это подтвердить.

LLM остаются недооцененными