OpenAI выпустила раннюю версию своей новой модели рассуждений OpenAI o1-preview для использования в ChatGPT и через API. Модель использует крупномасштабное обучение с подкреплением для развития продуктивных способностей цепочки мышления, значительно превосходя GPT-4o на сложных задачах.
- На экзамене по математике AIME 2024 o1 показала средний результат 74% при одном образце и 93% при переранжировании 1000 образцов, что помещает её в число лучших 500 студентов по стране.
- Модель превзошла точность людей с докторской степенью на бенчмарке GPQA diamond по физике, биологии и химии.
- Версия, обученная на o1, набрала 213 баллов на Международной олимпиаде по информатике и достигла рейтинга Эло 1807 в симулированных соревнованиях Codeforces.
- o1-preview предпочитается тренерами-людьми над GPT-4o в категориях, требующих рассуждений, таких как анализ данных, программирование и математика.
- Интеграция политик безопасности в цепочку мышления повысила устойчивость к взломам, хотя сырые цепочки не показываются пользователям для предотвращения потенциальных рисков манипуляции.
Выпуск подчеркивает сдвиг в сторону моделей, способных обдумывать проблемы перед ответом, предлагая существенные улучшения в способностях рассуждения при сохранении стандартов безопасности.