Các bằng chứng GDM thật tuyệt vời! Chúc mừng đội ngũ vì nỗ lực ấn tượng.

vui: 3/4 tháng trước, tôi đã chạy o3 cho một số học giả về một bộ vấn đề theo kiểu AIME. Họ đã mất quá nhiều thời gian để viết một bản tóm tắt về kết quả (96% nếu tôi nhớ không nhầm) đến nỗi Alex đã giải quyết chứng minh & IMO trong thời gian đó, haha.

vui: 3/4 tháng trước, tôi đã chạy o3 cho một số học giả về một bộ vấn đề theo kiểu AIME. Họ đã mất quá nhiều thời gian để viết một bản tóm tắt kết quả (98%) mà Alex đã giải quyết chứng minh + IMO trong thời gian đó, haha.

vui: 3/4 tháng trước, tôi đã chạy o3 cho một số học giả trên một bộ bài kiểm tra riêng tư giống như AIME. Họ đã mất quá nhiều thời gian để viết một bản tóm tắt về kết quả (96%) mà Alex đã giải IMO trong thời gian đó.

@alexwei_ bạn có thể cho thế giới biết có bao nhiêu token cho mỗi vấn đề không?

Tóm tắt tuần này: - chúng tôi đã phát hành máy tính đa năng sử dụng agent - bị đánh bại bởi một con người duy nhất trong cuộc thi heuristics atcoder - đã giải quyết 5/6 bài toán IMO mới với các chứng minh bằng ngôn ngữ tự nhiên Tất cả những điều này đều dựa trên cùng một hệ thống học tăng cường.

17 triệu thanh thiếu niên Mỹ từ lớp 9-12, ~5 huy chương vàng IMO của Mỹ trong thực hành nhưng ~20 đứa trẻ ở cấp độ vàng. Vì vậy, huy chương vàng IMO là tài năng toán học một trong triệu (cho những người 18 tuổi; nhưng tôi cá rằng Putnam tiếp theo cũng sẽ rơi). 99.9999 phần trăm.

Tại sao tôi lại hào hứng về kết quả IMO mà chúng tôi vừa công bố: - chúng tôi đã làm rất ít công việc cụ thể cho IMO, chúng tôi chỉ tiếp tục đào tạo các mô hình tổng quát - tất cả các chứng minh bằng ngôn ngữ tự nhiên - không có bộ đánh giá Chúng tôi cần một bước đột phá nghiên cứu mới và @alexwei_ cùng đội ngũ đã thực hiện điều đó.

Nếu bạn tuyên bố đã thấy điều này đến, bạn nên có bảng P&L đa dạng để chứng minh điều đó.

Các LLM vẫn chưa được đánh giá đúng mức.