AI大牛解析o3技术路线!大模型下一步技术路线已现端倪?
发布日期:2024-12-24 04:33:41
浏览次数: 1534
来源:硬AI
作者 | 硬 AI
编辑 | 硬 AI
2024年12月21日,OpenAI在其为期12天发布会活动的最后一天,正式发布了备受期待的o3系列模型。在外界普遍认为AI发展速度趋缓之际,OpenAI带来了“改变游戏规则”的重大突破,向AGI迈出关键一步。在被视为通用人工智能(AGI)重要衡量标准的ARC-AGI测试中,o3模型创下新纪录:低算力配置下便以75.7%的得分登顶公共排行榜,而高算力版本更是达到87.5%的惊人成绩,一骑绝尘。这一成绩远超o1系列,后者在同一测试中的得分仅为25%。这一突破的意义非同寻常。Keras之父、ARC-AGI测试发起人François Chollet对此评价道:
“这是一个令人惊讶且重要的阶跃式提升,展示了GPT系列模型前所未有的新型任务适应能力。作为对比,ARC-AGI-1从2020年GPT-3的0%提升到2024年GPT-4o的5%,历时四年。随着o3的出现,关于人工智能能力的所有既有认知都需要重新评估...
不过,虽然ARC-AGI测试中表现出色,但这并不意味着o3已达到了AGI水平,因为它仍会在一些非常简单的任务中犯错。此外,Chollet还表示,在即将发布的新版测试(ARC-AGI-2)中,其表现预计将大幅下降至30%以下,而普通人类仍能保持95%以上的高分。更重要的是,o3仍然依赖人工标注数据,无法像人类那样通过与现实世界的直接互动来学习和适应。2024年12月21日,OpenAI在其为期12天发布会活动的最后一天,正式发布了备受期待的o3系列模型,包括o3和o3-mini。
- o3 是一个非常强大的模型,在编码、数学以及ARC-AGI基准测试等多个基准上超过了OpenAI此前的o1模型(o1得分25%,o3得分87.5%)。
- o3-mini是o3更经济高效且性能导向的版本,在成本和延迟方面比o1-mini低得多,同时提供类似的功能。
OpenAI正向安全研究人员开放o3和o3-mini的早期访问,预计o3-mini将于1月底左右发布,o3则稍后。ARC-AGI(人工通用智能评估基准)测试是由Keras之父François Chollet发起,旨在评估AI系统在面对未见过的新任务时的适应能力。ARC-AGI测试的核心在于其设计的任务往往需要深度逻辑推理和创新思维,这使得它成为评估AI系统通用智能能力的重要工具。如前文所述,o3系列在这一测试中取得了显著的成绩。Chollet认为,o3的成功绝非依靠简单的算力堆砌,其核心创新在于从根本上改变了AI处理信息的方式。传统大语言模型(LLM)采用"记忆-获取-应用"的范式,本质上是通过被动接触人类内容来存储和运行数百万个微型程序。这种方法虽然能在特定任务上达到很高水平,但始终无法突破适应新环境或即时掌握新技能。相比之下,Chollet推测,o3开创了全新的方法:
- 通过思维链(Chain of Thought)实现知识的动态重组
虽然目前每个任务的计算成本仍然较高(低算力模式下约17-20美元/任务,相比人工解决方案的5美元/任务),但Chollet认为,这种成本预计将随技术发展快速下降。尽管o3取得了突破性进展,但称其为AGI还为时过早。Chollet在文章中提及,o3的主要局限包括:
- 在即将发布的ARC-AGI-2测试中,预计其得分可能降至30%以下(而普通人类仍能保持95%以上的得分)
对于整个AI行业来说,o3的价值可能在于,它证明了AI进步不仅仅依赖于简单地扩大模型规模和增加训练数据,更关键的是架构创新,这种方法为AI的发展开辟了新的方向。
“实际上,o3代表了一种深度学习引导的程序搜索形式... 同时,由于推理预算的可变性,效率(如计算成本)已成为评估AI性能时的必要指标。”
* 转载、合作、交流请留言,线索、数据、商业合作请加微信:IngAI2023* 欢迎大家在留言区分享您的看法,如果您能点个?并分享的话,那就太感谢啦!
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业