热门话题
#
Bonk 生态迷因币展现强韧势头
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
#
Solana 新代币发射平台 Boop.Fun 风头正劲
Mark Chen
@OpenAI 首席研究官。美国 IOI 队教练。
我们在今年的国际数学奥林匹克（IMO）上达到了金牌水平的表现！我们的模型能够用清晰、简单的英语思考和撰写证明——无需正式的代码。
与过去比赛中使用的较窄系统不同，我们的模型旨在进行广泛的推理，远远超出比赛问题的范围。
7月19日 15:50
1/N 我很高兴地分享，我们最新的 @OpenAI 实验性推理 LLM 在人工智能领域实现了一个长期以来的重大挑战：在世界上最负盛名的数学竞赛——国际数学奥林匹克（IMO）中达到了金牌级别的表现。
144.49K
我们在 @atcoder 世界总决赛启发式竞赛中现场竞争，并获得了第二名！
像 o3 这样的模型在编程/数学竞赛中排名前100，但据我所知，这是在一场顶级编程/数学竞赛中首次获得前3名的成绩。前100名和前3名之间有着巨大的差距！
7月17日 02:52
祝贺 @FakePsyho 的精彩表现！同时也要祝贺 @bminaiev、@andresnds 和 @_lorenzkuhn 代表 OpenAI 的出色表现。赞助 AtCoder 世界总决赛 @atcoder 真是太棒了。我们很高兴能与世界分享一些模型解决方案。
54.01K
Mark Chen 已转发
我对链式思维的可靠性和可解释性的潜力感到非常兴奋。这对我们推理模型的设计产生了重大影响，从o1-preview开始。
随着AI系统在长期研究问题上花费更多的计算资源，监控其内部过程的某种方式至关重要。隐藏的链式思维的一个奇妙特性是，尽管它们最初是基于我们可以解释的语言，但可扩展的优化过程并不对观察者验证模型意图的能力构成对抗——这与例如使用奖励模型的直接监督不同。
这里的紧张关系在于，如果链式思维默认不是隐藏的，并且我们将该过程视为AI的输出的一部分，那么就有很多激励（在某些情况下，甚至是必要）去对其进行监督。我相信我们可以朝着两全其美的方向努力——训练我们的模型在解释其内部推理方面表现出色，同时仍然保留偶尔验证的能力。
链式思维的可靠性是更广泛研究方向的一部分，即可解释性训练：以一种方式设定目标，使系统的至少一部分保持诚实和可监控，并具备规模。我们正在继续增加在OpenAI进行这项研究的投资。
264.18K
我们在研究方面不会过度招聘。至于人才标准——下个月会有一些非常出色的人加入！
我在交易领域工作了多年，直到缺乏意义让我感到疲惫。在OAI，我从未有过这种感觉——构建对现实世界有影响的事物要充实得多。
2025年5月17日
您是OAI/Anthropic等机构的研究员，对过度招聘、组织结构混乱、人才标准降低感到厌倦，想搬到纽约，或者只是想做些不同的事情吗？给我发邮件、私信或寄明信片。我们有一个新的数据中心，配备了B200s，团队紧密且非常成功。
221.94K
热门
排行
收藏