清華、北大等86所高校布局元宇宙，是風口還是噱頭？
作者：徐賜豪來源：區塊鏈日報據全國高校人工智能與大數據創新聯盟元宇宙專委會不完全統計，截至2023年7月，全國共有86所高校戰略布局元宇宙領域，其中本科院校73所，高職專科院校13所
o1 模型發布 1 周，lmsys 的 6k + 投票就將 o1-preview 送上了排行榜榜首。同時，為了滿足大家對模型「IOI 金牌水平」的好奇心，OpenAI 放出了 o1 測評時提交的所有代碼。
萬眾矚目的最新模型 OpenAI o1，終于迎來了 lmsys 競技場的測評結果。不出意外，o1-preview 在各種領域絕對登頂，超過了最新版的 GPT-4o，在數學、困難提示和編碼領域表現出色；
而 o1-mini 雖然名字中自帶「mini」，但也和最新版的 GPT-4o 并列綜合排名第二，困難提示、編碼、數學等領域和 o1-preview 同樣登頂第一。
果然，o1 模型不愧是通用推理領域的新王。lmsys 社區官方發推表示，這項測試結果收集了 6k + 社區投票，并將 OpenAI 這次取得的進展描述為「令人難以置信的里程碑」。
單純看排行榜的排名可能不夠具有說服力，于是 lmsys 特意統計了總榜上前 25 名模型的 1v1 勝率。
可以看到，o1-preview 對所有模型的勝率都超過了 50%，對比 04-09 版 GPT-4-Turbo 的勝率最高，達到了 88%。
o1-mini 如果對戰 o1-preview，勝率為 46%，對 09-03 版 GPT-4o 的勝率為 48%，可以說是大體平手、稍遜一籌的狀態。
值得注意的是，雖然 Grok-2-mini 和 Claude 3.5 Sonnet 都排在比較靠后的位置，但 o1-preview 對這兩個模型的勝率并不高，分別是 58% 和 57%，大大小于排名第四的 Gemini 1.5 Pro 的 69%。
如果看到細分領域的排行榜，尤其是數學 / 推理領域，效果則更加驚艷。o1-preview 和 o1-mini 不僅是登頂數學排行榜，而且是體現出了絕對的領先優勢。
排在第三、第四的 Claude 3.5 Sonnet、Gemini 1.5 Pro 和 08-08 版 ChatGPT-4o 的均分都在 1275 左右，不相上下；o1-preview 和 o1-mini 則一騎絕塵，分數飆到 1360 附近，直接碾壓。
o1 推理團隊的領導者之一 William Fedus 看到這張圖也是相當開心，他表示這張圖「很好地用視覺表達了范式轉換」。
看來最新的 o1 模型在 STEM 學科和通用推理方面的確又達到了新高度，用實際測評結果回應了「AI 遇冷」、「OpenAI 碰壁」的質疑聲。
「那就繼續期待 OpenAI 接下來的發布吧！」
但一些人感嘆「未來可期」的同時，另一些人想到了自己不多的智商和頭發。
「模型搞得這么好了，測試就不適合我這種蠢人了。」
同時，也有一些人表達了對 lmsys 排行榜結果的質疑。
比如，眾所周知的 o1 模型推理時間長，因而回答的延時也長，和其他模型都有明顯差別；而且不同于各類基準測試的客觀標準，lmsys 社區中完全基于用戶的主觀評分，難說這里面是否存在「安慰劑效應」。
也有人不服 o1 在編碼排行榜上的第一，認為雖然 o1-mini 非常適合進行項目規劃，但在 Cursor 這類編碼助手中還是 Claude 模型的表現最佳。
排行榜的結果當然不是全部，o1 模型能否繼續贏得口碑，同時保持住智力水平不變蠢，還要看接下來的一段時間。
IOI 金牌代碼全公開說到 o1 模型的編碼能力，不知道你還是否記得，剛發布時 OpenAI 提到了這樣一個指標：如果放寬提交約束到每個問題允許 1 萬次提交，o1 可以達到高于 IOI 金牌門檻的分數。
在模擬進行的 Codeforces 編程競賽中，使用相同的規則進行評估，o1-preview 可以打敗 62% 的人類選手，正式版 o1 則上升到超越 89% 的對手。
專門微調過的 o1-ioi 模型，表現優于 93% 的競爭對手。
此外，前段時間有用戶在實時的 Codeforces 比賽中使用了 o1 模型，結果是超越了 99.8% 的人類選手。
由于 o1 在編程競賽領域的表現如此突出，引起了 AI 社區強烈的興趣和好奇，OpenAI 于是選擇發布 o1 模型提交的代碼內容，包括 6 個問題的全部 C++ 代碼以及注釋。
對于 o1 的驚艷表現，Alexander Wei 自己都很驚訝。
他本人在 9 年前曾參加 IOI 競賽，但從未想到自己這么快就需要和 AI 競爭，模型展現出的推理過程的復雜程度令人印象深刻。
博文表示，雖然 o1 模型距離人類的頂級表現還有很長的一段路要走，但我們期待有一天能實現這個目標。
這個發展軌跡讓人想起了 AlphaGo—— 從水平高超，到能和人類頂級高手不分勝負，再到 5-0 完全碾壓李世石。
OpenAI 想要達成的，估計就是究極進化的、能在編程上碾壓人類頂級高手的 AlphaZero。
此處公布代碼的 6 個問題具體如下：
有網友指出，其中最令人印象深刻的應該是象形文字（hieroglyphs）問題，o1 模型總共得到 44 分，在現場的所有選手中排名第四。這表明，模型或許可以破譯一些人類無法解決的子任務。
前幾天，一位目前在 NASA 工作的天體物理學博士就嘗試讓 o1 復現自己論文中的代碼，結果一試嚇一跳 —— 自己讀博時花了 1 年寫出的代碼，o1 只用了一小時就寫完了。
這還只是裸模型，如果加上代碼解釋器、網絡實時搜索等各種工具，效果想必更加驚艷。
而且，Reddit 網友還送來了溫馨提示：這只是 o1 預覽版哦，可以狠狠期待一下不到一個月就即將問世的正式版 o1 了。
此外，這位網友還表示，o1 基本沿用了 GPT-4 的架構；那你想，改換架構后的 GPT-5（也就是傳說中的獵戶座）能達到什么高度。
參考資料：
https://x.com/lmsysorg/status/1836443278033719631
https://codeforces.com/blog/entry/134091
本文鏈接：http://www.rrqrq.com/showinfo-45-7502-0.htmlOpenAI o1 全方位 SOTA 登頂 lmsys 排行榜：數學能力碾壓 Claude 和谷歌 Gemini 模型，o1-mini 并列第一
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號