модель OpenAI o1
общее описание
LLM нуждается в совершенствовании.
три основные возможности большой модели:
-навыки понимания и выражения языка: GPT-3 разрешен хранение знаний в мире: GPT-4 решил множество проблем способность к логическому рассуждению: это самое слабое звено, и модель o1 добилась очевидного прогресса в этом отношении.
принцип
идея модели o1 для повышения способности логического рассуждения заключается в том, что после получения вопроса детская кроватка автоматически генерируется и регенерируется в ответ. избегайте человеческой письменной подсказки на основе детской кроватки.
если o1 позволяет автоматически генерировать детскую кроватку, обучение подкреплению может улучшить способность модели автоматически находить правильный путь рассуждений.
Новая парадигма?
OpenAI обнаружил, что в процессе обучения и аргументации обучения подкреплению, с увеличением вычислительной мощности, эффект рассуждений модели (например, вероятность нахождения правильного пути детской кроватки) также будет улучшен. это может найти RL масштабирование. это может постоянно повышать вычислительную мощность, и можно еще больше повысить способность логического рассуждения модели. это может быть новая парадигма.
целевая сцена
благодаря повышению способности логического рассуждения, модель o1 подходит для программирования, математики, физики и других сценариев. но написание статьи может быть почти сделано. это похоже на студента науки в частичной специальности.
на мой взгляд, существенных различий в программировании между моделью o1 и моделью сонета 3.5 нет.
серия моделей
модель O1: не открытая, самая способная -o1-Preview: ChatGPT (член) и API (tuhao, которые должны потратить более 1000 долларов США), чтобы посетить -o1-mini: гораздо меньше мировых знаний, чем o1-Preview, подходит для сценариев, которые не требуют большого количества мировых знаний, таких как программирование и математика, и быстрого реагирования.
OpenAI должен запустить серию « более логичных рассуждений, более научных » моделей.
незрелая модель
модели серии O1 не являются полностью производственными, не поддерживают зрение, не поддерживают потоковый вывод, не поддерживают вызов функций и так далее. вот почему это называется Preview.
дороже
цена O1-Preview в четыре раза выше, чем у GPT-4o.
кроме того, в процессе рассуждений результирующая скрытая подсказка (детская кроватка) также занимает токен. это также увеличит скрытые расходы.
| 模型 | 输入价格 (每百万 tokens) | 输出价格 (每百万 tokens) |
|---|---|---|
| o1-preview | $15 | $60 |
| o1-mini | $3 | $12 |
| GPT-4o | $5 | $15 |
основной принцип
мы тренировали эти модели, чтобы тратить больше времени на обдумывание проблем, прежде чем они ответят, так же, как и человек. через обучение они учатся совершенствовать свой процесс мышления, попробовать различные стратегии и признать свои ошибки.
потратьте больше времени на размышления, прежде чем реагировать, как люди. LLM улучшит свой мыслительный процесс, попробует различные стратегии и признает свои собственные ошибки.
OpenAI o1 думает, прежде чем ответить, и может создать длинную внутреннюю цепочку мысли, прежде чем ответить пользователю.
когда вопрос получен, генерируется внутренняя цепочка мысли и ответ генерируется на основе этой детской кроватки.
использование обучения армирования (RL) для обучения LLM может автоматически генерировать подсказки на основе CoT.
целевые пользователи и сценарии
они могут рассуждать через сложные задачи и решать более сложные проблемы, чем предыдущие модели в науке, кодировании и математике. они могут рассуждать через сложные задачи и решать проблемы, которые являются более сложными, чем предыдущие научные, кодирующие и математические модели
эти расширенные возможности рассуждения могут быть особенно полезны, если вы решаете сложные проблемы в науке, кодировании, математике и аналогичных областях. например, o1 может быть использован исследователями здравоохранения для аннотации данных секвенирования клеток, физиками для создания сложных математических формул, необходимых для квантовой оптики, и разработчиками во всех областях для построения и выполнения многоэтапных рабочих процессов.
эти расширенные возможности рассуждения могут быть особенно полезны, если вы решаете сложные проблемы в науке, кодировании, математике и аналогичных областях. например, исследователи здравоохранения могут использовать o1 для аннотации данных секвенирования клеток, физики могут использовать o1 для генерации сложных математических формул для квантовой оптики, а разработчики во всех областях могут использовать o1 для построения и выполнения многоступенчатых рабочих процессов.
производительность: улучшить способность логического рассуждения
下一个模型更新在物理、化学和生物学方面具有挑战性的基准任务上的表现与博士生类似。我们还发现它在数学和编码方面表现出色。在国际数学奥林匹克（IMO）资格考试中，GPT-4o 只正确解决了 13% 的问题，而推理模型的得分为 83%。他们的编码能力在竞赛中得到评估，并在 Codeforces 竞赛中达到了第 89 个百分点。您可以在我们的技术研究文章中阅读更多相关内容。
способность совершенствоваться во всех аспектах
-Совершенствование кодирования: более 300% -Математика / Химия / биология / Физика: увеличение примерно на 40%
знание китайского языка
ограничение доступа
-пользователи ChatGPT Plus смогут получить доступ к модели o1 в ChatGPT. -еженедельный лимит скорости O1-Preview составляет 30 сообщений, а o1-mini-50 сообщений в неделю. -только пользователи с разрешениями уровня 5 могут получить доступ к API. лимит скорости составляет 20 оборотов в минуту.
[разный слой]
| Tier | Qualification |
|---|---|
| Tier 1 | $5 paid |
| Tier 2 | $50 paid and 7+ days since first successful payment |
| Tier 3 | $100 paid and 7+ days since first successful payment |
| Tier 4 | $250 paid and 14+ days since first successful payment |
| Tier 5 | $1,000 paid and 30+ days since first successful payment |
ценообразование
цена O1-Preview в четыре раза выше, чем у GPT-4o. и скрытая детская кроватка также принимает токен.
| 模型 | 输入价格 (每百万 tokens) | 输出价格 (每百万 tokens) |
|---|---|---|
| o1-preview | $15 | $60 |
| o1-mini | $3 | $12 |
| GPT-4o | $5 | $15 |
недостаток модели
не имейте возможности просматривать информацию в Интернете и загружать файлы и изображения.
API не поддерживает:
-* условия * : только текст, изображения не поддерживаются. - Типы сообщений * : только сообщения пользователей и помощников, системные сообщения не поддерживаются. - Streaming * : не поддерживается. - Tools * : не поддерживаются параметры Tools, Function Calling и Response Format. - Logprobs * *: не поддерживается.
пример
экземпляр 1: логическая головоломка
проблемы.
A princess is as old as the prince will be when the princess is twice the age that the prince was when the princess' age was half the sum of their present ages.Provide all solutions to this question.
объяснение
ответ из O1-Preview
Внутренняя подсказка
解质量子问题
我正在解一个关于年龄的复杂问题。将时间点和年龄分别定义为变量，解析这些年龄差距，试图找出满足条件的解。
计算时间差
我开始计算王子和公主的年龄之和P + Q。然后，确定公主年龄的一半Q'，并计算从那时到现在的时间差，即(Q - P)/2年。这让我更好地理解了时间的流动。
分析时间差异
我试图简化时间差异的公式，发现在计算公主和王子年龄时出现了矛盾。回顾过去时，公主的年龄是当前年龄的和的一半。
CHUNK: 假设公主的现年龄为Q。那么在时间t1时，公主的年龄为Q - t1。
根据题目要求，在时间t1时： Q - t1 = (P + Q)/2
解方程得： t1 = Q - (P + Q)/2 = [2Q - P - Q]/2 = (Q - P)/2
类似地，公主的年龄为P - t1 = P - [(Q - P)/2] = [2P - Q + P]/2 = (3P - Q)/2
调整计算细节
我正在解决王子年龄的问题时，调整时间t1的计算方式。通过精简公式，发现王子年龄计算有误，正在检查每个步骤的准确性。
检视方程式
我正尝试重写并简化方程式，但遇到了一些麻烦。看看哪里出错了，可能是算术操作中的小错误。抱着怀疑的态度，我重审每一步，以确保准确性。
计算王子的年龄
我计算出王子在时间 t1 的年龄为 (3P - Q)/2。\n接下来，探讨公主未来的年龄与王子 t1 时的年龄的关系。
计算未来时间 t2 时，公主年龄是那时王子年龄的一倍。首先，计算王子当前年龄 P1，然后用将来的年龄来确定 t2。
分析年龄增长
公主的年龄将是Q + t2, 王子的年龄则为P + t2, 计算得t2 = 3P - 2Q。
探讨年龄关系
公主的年龄等于王子未来年龄的两倍，条件涉及公主年龄的变化和王子年龄的历史。
深入分析
从公主年龄变化出发，整理王子年龄的历史，体现出他们之间的复杂关系。
修正方程并计算
我正在修正年龄方程，重新计算年龄差。最终得出，公主的年龄是王子年龄的四分之三。这个过程让我思考年龄与时间的关系。
提到：
亲王年龄 = 福 + t2 = (3Q/4) + (Q/4) = (4Q/4) = Q
提与 t2 相关： 公主 = (5Q/4)，亲王 = Q
现在思考中： 公主年龄与亲王未来的年龄一致，条件是公主的年龄是亲王一半年龄的总和的一半。
探寻岁数关系
我正在分析王子年龄涉及到的问题。假设王子的年龄为P = 0.75Q，可得王子的现年岁仔细审视其值。
确定年龄关系
我分析了公主和王子的年龄关系，计算得出她们分别为6和8岁。公主在1年前7岁，符合年龄和当前年龄的半和。
确定数学关系
皇子的年龄是 6 岁，公主的年龄是 8 岁。公主将来的年龄是 10 岁，这个时候皇子的年龄是 8 岁。
计算公主和王子的现年龄之和的一半，为3.5岁。
解决年龄问题
尝试找出公主和王子的年龄差异时，发现公主比王子大 1 岁。王子在未来 2 年内年龄将增长，但没有立即对答案有帮助。
尝试不同的数字
我正在探索不同的整数解，选择Q = 16，计算出P = 12。接下来，计算时间t1 = 2年，公主当时14岁。通过检查这些条件，得出公主和王子未来的年龄。
分析年龄差异
我正探索王子和公主之间的年龄差异。王子目前12岁，8年后将成20岁。公主20岁时，正好是王子16岁的时候。这个想法令人兴奋。
寻找解答
考虑Q必须是4的倍数，P可以表示为3k。这让我们计算出一组可能的年龄解。
计算两人现在的年龄差
目前，这对王子和公主的年龄分别是3k和4k。我正在尝试找出在公主年龄是王子年龄的两倍时，王子将多大年龄。
分析年龄差异
我正在思考公主和王子的年龄差异。公主现年5千年，王子3千年，公主两倍年龄将是王子当时的一半和他们当前年龄之和。
探索年龄关系
我正在分析王子和公主的年龄关系，推测出在公主年纪为5k时，王子的年龄为5k/2。谢谢阅读！
окончательный ответ
Conclusion:
The only integer solution satisfying all conditions is:
Prince's age: 6 years
Princess's age: 8 years
Answer: The prince is 6 years old, and the princess is 8 years old.
пример 2: программирование
спрос
make a game called "squirrel finder" using HTML5 and JavaScript.
- You are a koala icon that can move quickly using the arrow keys.
- A strawberry randomly spawns every second and bounces around.
- If a strawberry touches you, you die.
- After three seconds, a squirrel icon spawns and bounces around. If you touch it, you win.
- Make sure all icons are 40 pixels by 40 pixels.
- Use retro colors and a dark background.
- Put "openai" in the game screen and a timer in the corner.
- Display the instructions before the game starts.
- Automatically restart the game when you win or lose.
- Give the code in a single file.
код, генерируемый o1, может быть использован нормально
<!DOCTYPE html>
<html>
<head>
<title>Squirrel Finder</title>
<style>
body {
margin: 0;
overflow: hidden;
background-color: #000;
color: #fff;
font-family: 'Courier New', monospace;
}
#gameCanvas {
display: block;
margin: 0 auto;
background-color: #000;
}
#instructions {
position: absolute;
top: 20%;
width: 100%;
text-align: center;
font-size: 24px;
}
#openai {
position: absolute;
bottom: 10px;
left: 10px;
font-size: 14px;
color: #fff;
}
#timer {
position: absolute;
top: 10px;
right: 10px;
font-size: 18px;
color: #fff;
}
</style>
</head>
<body>
<canvas id="gameCanvas" width="800" height="600"></canvas>
<div id="instructions">
<h1>Squirrel Finder</h1>
<p>You are the Koala. Use arrow keys to move.</p>
<p>Avoid the strawberries!</p>
<p>Find the squirrel to win!</p>
<p>Press any key to start.</p>
</div>
<div id="openai">openai</div>
<div id="timer">0</div>
<script>
(function(){
const canvas = document.getElementById('gameCanvas');
const ctx = canvas.getContext('2d');
let instructions = document.getElementById('instructions');
let timerDisplay = document.getElementById('timer');
let keys = {};
let player = {
x: canvas.width / 2 - 20,
y: canvas.height / 2 - 20,
width: 40,
height: 40,
speed: 7,
color: '#00ff00' // Green
};
let strawberries = [];
let squirrel = null;
let gameTime = 0;
let gameStarted = false;
let gameOver = false;
let gameWin = false;
function startGame() {
instructions.style.display = 'none';
gameStarted = true;
gameTime = 0;
gameOver = false;
gameWin = false;
player.x = canvas.width / 2 - 20;
player.y = canvas.height / 2 - 20;
strawberries = [];
squirrel = null;
lastStrawberrySpawn = 0;
lastTime = performance.now();
requestAnimationFrame(gameLoop);
}
document.addEventListener('keydown', function(e) {
if (!gameStarted) {
startGame();
}
keys[e.key] = true;
});
document.addEventListener('keyup', function(e) {
keys[e.key] = false;
});
let lastTime = performance.now();
let lastStrawberrySpawn = 0;
function gameLoop(timestamp) {
let deltaTime = (timestamp - lastTime) / 1000;
lastTime = timestamp;
update(deltaTime);
render();
if (!gameOver && !gameWin) {
requestAnimationFrame(gameLoop);
} else {
setTimeout(startGame, 2000); // Restart game after 2 seconds
}
}
function update(deltaTime) {
if (!gameStarted) return;
gameTime += deltaTime;
timerDisplay.textContent = Math.floor(gameTime);
// Move player
if (keys['ArrowUp']) player.y -= player.speed;
if (keys['ArrowDown']) player.y += player.speed;
if (keys['ArrowLeft']) player.x -= player.speed;
if (keys['ArrowRight']) player.x += player.speed;
// Keep player on screen
if (player.x < 0) player.x = 0;
if (player.x + player.width > canvas.width) player.x = canvas.width - player.width;
if (player.y < 0) player.y = 0;
if (player.y + player.height > canvas.height) player.y = canvas.height - player.height;
// Spawn strawberries
if (gameTime - lastStrawberrySpawn > 1) {
lastStrawberrySpawn = gameTime;
spawnStrawberry();
}
// Spawn squirrel after 3 seconds
if (gameTime >= 3 && squirrel === null) {
spawnSquirrel();
}
// Update strawberries
strawberries.forEach(function(s) {
s.x += s.vx;
s.y += s.vy;
// Bounce off walls
if (s.x < 0 || s.x + s.width > canvas.width) s.vx *= -1;
if (s.y < 0 || s.y + s.height > canvas.height) s.vy *= -1;
// Check collision with player
if (collision(player, s)) {
gameOver = true;
}
});
// Update squirrel
if (squirrel) {
squirrel.x += squirrel.vx;
squirrel.y += squirrel.vy;
// Bounce off walls
if (squirrel.x < 0 || squirrel.x + squirrel.width > canvas.width) squirrel.vx *= -1;
if (squirrel.y < 0 || squirrel.y + squirrel.height > canvas.height) squirrel.vy *= -1;
// Check collision with player
if (collision(player, squirrel)) {
gameWin = true;
}
}
}
function render() {
// Clear canvas
ctx.fillStyle = '#000';
ctx.fillRect(0, 0, canvas.width, canvas.height);
// Draw player
ctx.fillStyle = player.color;
ctx.fillRect(player.x, player.y, player.width, player.height);
// Draw strawberries
strawberries.forEach(function(s) {
ctx.fillStyle = '#ff0000'; // Red
ctx.fillRect(s.x, s.y, s.width, s.height);
});
// Draw squirrel
if (squirrel) {
ctx.fillStyle = '#ffff00'; // Yellow
ctx.fillRect(squirrel.x, squirrel.y, squirrel.width, squirrel.height);
}
// Display game over or win message
if (gameOver) {
ctx.fillStyle = '#ff0000';
ctx.font = '48px Courier New';
ctx.fillText('You Died!', canvas.width / 2 - 100, canvas.height / 2);
}
if (gameWin) {
ctx.fillStyle = '#00ff00';
ctx.font = '48px Courier New';
ctx.fillText('You Win!', canvas.width / 2 - 100, canvas.height / 2);
}
}
function spawnStrawberry() {
let s = {
x: Math.random() * (canvas.width - 40),
y: Math.random() * (canvas.height - 40),
width: 40,
height: 40,
vx: (Math.random() * 4 + 1) * (Math.random() < 0.5 ? -1 : 1),
vy: (Math.random() * 4 + 1) * (Math.random() < 0.5 ? -1 : 1)
};
strawberries.push(s);
}
function spawnSquirrel() {
squirrel = {
x: Math.random() * (canvas.width - 40),
y: Math.random() * (canvas.height - 40),
width: 40,
height: 40,
vx: (Math.random() * 3 + 2) * (Math.random() < 0.5 ? -1 : 1),
vy: (Math.random() * 3 + 2) * (Math.random() < 0.5 ? -1 : 1)
};
}
function collision(a, b) {
return a.x < b.x + b.width && a.x + a.width > b.x &&
a.y < b.y + b.height && a.y + a.height > b.y;
}
})();
</script>
</body>
</html>
Sonnet-3.5: сгенерированный код также работает правильно.
с жалобами взаимодействие Клода ИИ, очевидно, лучше, и вы можете просмотреть эффект.
сравнивая две части кода, Sonnet 3.5 будет работать лучше.
хотя обе реализации отвечают основным требованиям, код 2 (Sonnet 3.5) в целом немного лучше:
- он имеет более организованную, объектно-ориентированную структуру, которую легче поддерживать и расширять.
- он использует цвета, которые более тонкие и более подходящие для стиля ретро.
- он использует классы для представления игровых объектов, способствуя лучшему повторному использованию кода.
тем не менее, код 1 имеет некоторые преимущества в производительности благодаря использованию requestAnimationFrame.
пример 3: рассуждения
проблема: сколько r в клубнике
GPT-4o: ошибка результата
“strawberry”中有1个字母“r”
ошибка Sonnet-3.5
There are 2 r's in "strawberry".
пример 4: перевести поврежденное предложение
подлежит пополнению