您在这些复杂数学问题上的表现就越好

[ujjal22]

为了说明计算能力对于这些高级模型的重要性，让我们看一下 OpenAI 分享的有关 o1 的一些有趣数据。下面这两张图显示了 o1 如何通过增加计算资源来提高在具有挑战性的美国数学邀请赛 (AIME) 中的表现。

ChatGPT Pro 扣篮大赛结果
来源：OpenAI

正如您所看到的，训练和测试 o1 中的计算越多，。尤其令人惊讶 洪都拉斯 电话数据 的是，当在“思考”（证明或推理）阶段分配更多计算时，准确性会提高多少。这表明给模型更多的时间和资源来处理信息会带来更好的结果。

这凸显了为什么强调增强计算能力的 o1 pro 模式如此有前途。通过在流程中投入更多的资源，o1 pro模式可以更深入地挖掘，探索更多的可能性，并最终得出更准确、更可靠的解决方案。

O1 Pro模式对比测试
OpenAI 在数学、编码和科学等需要深度推理和解决问题的领域测试了 o1 pro 模式。

标准评价
在详细介绍之前，我们先看一下下面的图表：

o1 pro 模式 AIME、Codeforces 和 GPQA 评估分数

来源：OpenAI

让我们解释每个基准的含义并讨论结果：

竞赛数学（AIME 2024）：美国数学邀请赛（AIME）是一项针对高中生的具有挑战性的竞赛。评估模型解决复杂数学问题的能力，这需要高级推理和解决问题的技能。在此基准测试中，o1 pro 模式显着优于 o1 和 o1-preview。
代码竞赛（Codeforces）：Codeforces是一个组织竞争性编程竞赛的平台。该基准评估模型的编码能力，包括理解复杂代码、生成高效算法和解决编程挑战的能力。 o1 pro 模式在此基准测试中取得了令人印象深刻的结果，但与 o1 相比并没有显示出太大的改进。
博士级科学问题（GPQA 钻石级）：该基准评估模型回答博士级复杂科学问题的能力。它测试您对科学概念模型的理解、从科学文本中提取信息的能力以及根据科学证据推理和得出结论的能力。同样，o1 pro 模式表现出了出色的性能，但 o1 和 o1-preview 之间的差异并不大。
《可靠性评估》4/4