OpenAI o1 模型全面评测（附国内使用o1模型方法）

已于 2024-11-19 10:39:28 修改
阅读量1.6k 收藏 10
点赞数 11
文章标签： 人工智能
于 2024-09-27 02:13:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaofeitunAI/article/details/142581495
版权

此次o1发布，很多人达成的一个共识：o1模型是一个超强的理科生。

来自加州大学欧文分校（UCI）的物理学博士Kyle Kabasares，实测o1 preview+mini后发现：

o1模型已经强到，能够直出博士论文代码了！ 使用方法放文末了。

2022年，物理学博士Kabasares在《天体物理学杂志》上发表了一篇论文，探讨了利用天文数据建模来测量黑洞质量的方法。 实现这段代码是Kabasares博士研究中的一个关键突破。

o1模型在1小时内生成的Python代码。虽然基于合成数据，但其功能与Kabasares的实际代码非常相似。

efc8e2ad4e2e1ae633d35a217be462ea.png

o1在最新门萨智商测试中，IQ水平竟超过了120分。35个智商题，答对了25道，把其他模型甩出好几条街。

c461689298daae030981d65d76f95ff1.png

同时数学大神陶哲轩也分享了他对于o1模型的测评。

“他向o1模型提出一个措辞模糊的数学问题，发现它竟然能成功识别出克莱姆定理。”而且答案是“完全令人满意的”那种。

全面测评o1模型

此次o1-preview 和 o1-mini模型最突出的能力就是数学和编程能力。我们分别进行三轮测试，数学真题、编程塔防游戏

最低0.47元/天 解锁文章
Evaluation of OpenAI o1: Opportunities and Challenges of AGI
c_cpp_csharp的专栏
10-15 303
这项全面的研究评估了 OpenAI 的 o1-preview 大型语言模型在各种复杂推理任务中的性能，这些任务跨越多个领域，包括计算机科学、数学、自然科学、医学、语言学和社会科学。通过严格的测试，o1-preview 展示了卓越的能力，从编码挑战到科学推理，从语言处理到创造性问题解决，通常都能达到人类水平或卓越的性能。解决复杂的竞争性编程问题的成功率为 83.3%，超过了许多人类专家。生成连贯准确的放射学报告的能力，优于其他评估模型。高中水平数学推理任务准确率 100%，提供详细的分步解答。
AI大模型 | OpenAI o1（最强推理模型）看这一篇就够了！
star_nwe的博客
09-20 1万+
我们即将推出OpenAI o1，这是一种经过强化学习训练的新型大型语言模型，用于执行复杂的推理。o1在回答之前会进行思考——它可以在回应用户之前生成一个长长的内部思路链。-- Open AI 官方定义强化学习训练：o1模型的核心在于其采用了。
openai最新模型o1全面解读
全世界的博客
09-13 4056
OpenAI的o1模型在多个领域中展现了其强大的应用潜力。无论是在科学研究、编码和数学问题的解决、医疗研究、物理学研究还是软件开发中，o1模型都能提供有力的支持，帮助人们更好地理解和解决复杂的问题。随着技术的不断进步，o1模型的应用场景将会越来越广泛，为各个领域带来更多的创新和突破。## OpenAI o1模型的未来发展。
克隆OpenAI（基于openai API和streamlit）
2302_79795489的博客
02-02 523
是 Streamlit 提供的一个用于在应用会话期间存储和共享数据的对象，从底层实现来讲，它的行为类似于 Python 的字典（基于数据结构的灵活性不同、功能侧重点不同以及代码的可读性和维护性，建议将memory和messages分开使用，各自发挥其优势。）创建聊天消息框，并自动选择图标和样式来显示消息内容。将 AI 的回复封装成消息对象，添加到会话状态的。：创建一个聊天输入框，获取用户输入的消息。将用户输入的消息添加到会话状态的。列表中，并在界面上显示该消息。列表中，并在界面上显示该消息。
一文彻底搞懂大模型 - OpenAI o1（最强推理模型）
2201_75499313的博客
09-21 1227
而o1在每个问题上使用一个样本平均解决了74%（11.1/15）的问题，使用64个样本的共识解决了83%（12.5/15）的问题，并使用学习到的评分函数对1000个样本进行重新排序后解决了93%（13.9/15）的问题。在其他一些机器学习基准测试中，o1也超过了最先进的模型。OpenAI 从GPT3开始转向闭源，很多技术细节都没有公布，OpenAI o1这次也不例外，网上很多人反馈想通过使用o1一步步去debug它的Chain of Thought（思维链），从而去了解o1的思维链思考过程，结果被封号了。
重磅！OpenAI 发布新模型 o1，评测来了！
CSDN_224022的博客
09-13 921
今日凌晨，OpenAI 发布了一款名为 o1 的全新大型模型，它作为 OpenAI 下一代 “推理” 模型中的首个登场，其代号为 “Orion（猎户座）”。o1 模型在处理复杂及多步骤问题上表现突出，尤其在编写代码与解决数学问题方面，超越了以往的模型。o1 模型运用了全新的优化算法，并且通过专门为其定制的新训练数据集进行训练。与之前的模型不同，O1 模型能够逐步解决问题，凭借内部的 “思考链” 逐步推理并优化解决方案，这使得它在应对需多步骤解决的问题时更加高效。
OpenAI全新发布o1模型：开启 AGI 的新时代
youcans的博客
09-13 2513
2024年9月13日，OpenAI o1 大模型正式发布。 OpenAI 宣称：“通用人工智能（AGI）之路从此畅通无阻。” 这标志着，通用人工智能的新纪元，就此到来。
openai o1介绍
浪漫韫秋
09-18 632
就在今天凌晨(2024年9月13日OpenAI铺垫已久的草莓模型终于发布了只不过这款新模型的正式名称既不叫草莓也不叫GPT，而是OpenAI o1那为什么不继续沿用GPT的命名呢OpenAI官方的说法是“对于复杂的推理任务来说这是一个重要的进展代表了人工智能能力的新水平考虑到这个原因我们将模型发展的进度重置为了1并且将这个系列的模型命名为OpenAI o1”可见，OpenAI敢放出如此的豪言壮语对o1系列的信心可谓十足。
【人工智能】天工4.0-o1大模型 和 OpenAI-o1大模型到底谁强谁弱？
万物皆有灵
11-19 1350
天工大模型4.0-O1版（Skywork O1）是昆仑万维推出的最新一代大语言模型，标志着国内在AI领域的又一次重大突破。该模型不仅具备复杂思考和推理能力，还在中文逻辑推理方面表现出色。与之前的版本相比，Skywork O1在模型输出上内生了思考、计划和反思等能力，真正实现了推理能力的质的飞跃。OpenAI于2024年9月13日发布的O1模型，标志着其在推理能力上的又一次重大突破。作为OpenAI最新的推理模型，O1在多个专业领域的基准测试中表现出色，超越了人类博士专家的水平。
Let‘s Verify Step by Step（openai-o1论文技术调研）
weixin_48435461的博客
10-28 1489
openai-o1技术论文调研，阅读笔记
刚刚，OpenAI公开o1模型测试方法，人机协作时代！
强化学习曾小健
11-23 858
OpenAI要求每个红队成员详细记录他们的测试结果，包括具体的提示和生成的文本、发现的风险类型和严重程度、改进建议等。随着模型复杂性的增加，特别是涉及多轮对话、多模态交互等情况，记录结果的方式也需要不断进化，以捕捉足够的数据，充分评估风险。通过详细的记录和分析，红队成员可以发现模型在不同场景下的表现，提出改进建议，提高模型的鲁棒性和安全性。此外，OpenAI在每次红队测试结束后，都会对测试结果进行详细的分析和总结，提出改进建议，并将其应用于模型的后续训练和优化中。手动测试是最传统也是最直接的红队测试方法。
OpenAl o1大模型：原理、突破、前景及影响
xx_nm98的博客
09-19 3246
北京时间2024年9月13日凌晨，OpenAI正式发布了新的人工智能模型o1（o是orion猎户座，1代表从头再来，也意味着后续将出现更多序列），就是此前OpenAI一直在高调宣传的草莓大模型。OpenAI没有延续使用GPT序列，可见其与传统预训练模型有新的变革性训练方法和功能，o1具备复杂推理能力，解决比目前专业的科学、代码和数学模型所能解决的更难的问题。值得注意的是，相比GPT-4o等其他大模型，一是采用大规模自我对弈强化学习**（Self-play RL）**，设置奖惩机制，让模型自行学习解决问题。
OpenAI o1 简介
AI全栈 和 IT 编程相关分享
09-27 655
🎯 OpenAI o1 大模型默认自带 COT 过程 2024年 9 月 13 日，OpenAI 发布 o1-preview 和 o1-mini 文章1：OpenAI发布o1大模型，突破LLM推理极限，弥补了之前在数学、科学和代码方面的不足 文章2：预训练的 Scaling Law 正在走入死胡同，o1 让更多创业公司重新复活 o1 就像人类解决复杂问题，一般都是由“快思考”到“慢思考”的过程 之前其余大模型都是快思考的过程 OpenAI o1 是经过强化学习训练来执行复杂推理任务的新
o1模型：引领AI技术在STEM领域的突破与应用
wx740851326的博客
09-14 710
o1模型在物理、化学、生物学等领域的基准任务上达到了博士生水平，尤其在数学和编码方面展示了卓越的能力。在国际数学奥林匹克（IMO）资格考试中，o1模型的得分为83%，远高于GPT-4o的13%。在Codeforces代码比赛中，o1模型的准确率达到了89%，而GPT-4o仅为11%。这些数据表明，o1模型在复杂推理任务上有了显著的提升。o1模型在STEM能力方面表现出色，尤其在数学和编码方面，同时o1-mini作为更具性价比的模型，为用户提供了一种更快速、经济高效的选择。
o1模型浅析
mp9105的博客
12-29 1089
简单介绍o1模型的基本思想与原理
一文总览OpenAI o1相关的技术：从CoT、Quiet-STaR、Self-Correct、Self-play RL、MCTS等到类o1模型rStar-Math
热门推荐
结构之法 算法之道
10-12 2万+
可能是去年写或讲的关于ChatGPT原理的文章和课程，影响力太大了导致​​自从OpenAI o1出来后，每过两天，就有朋友问，“校长 o1啥时候出解读或课程”，实在是各个大模型项目上的事情太多，加之近期一直在抠机器人(比如本博客内连发了五篇机器人相关的文章，再不刻意强插一下比如o1，真的很难停下来)但，今天又有朋友来问，故，准备并行开写o1了一开始，我主要是看的这几个资料但随着本文越写越深，挖出来的相关资料也越来越多，我会竭尽所能，确保本文具备以下两大特征。
OpenAI 正式发布 o1 完整版
ejinxian的专栏
12-08 539
OpenAI 在 o1 模型完整版，该模型相较于之前的 o1-preview 版本在智能能力上有所提升，特别是在编程能力方面，并且能够根据问题的难度智能调节响应速度。此外还新增了图像识别功能，但目前仍然不支持网页浏览、文件上传等功能。OpenAI 的测试显示，o1 完整版比预览版的错误率降低了约 34%，思考速度提高了约 60%。
从0迈向1！OpenAI 重磅推出Open AI o1
泉坡吴彦祖的博客
09-14 1912
OpenAi再次向我们秀了一把肌肉，展示了其强大的开发实力。昨天，OpenAI正式公开专为“解决难题”而研发的一系列新的大模型OpenAI o1。这些模型重要特点是在响应请求之前会进行更长时间的深思熟虑，它们能够通过复杂的任务进行推理，相对之前的大模型，它能在科学、编程和数学等领域解决更难的问题。OpenAI官方称：目前发布的仅是预览版，他们会按计划定期更新和改进，在本次发布内容中也包括了下一次更新的评估，并且更新内容正在开发中。
deepseek R1H和OpenAI o1参数量对比
最新发布
02-26
### 参数量对比 关于DeepSeek R1H 和 OpenAI O1 模型的具体参数数量，在当前提供的参考资料中并未直接提及这些细节[^1][^2][^3]. 不过，通常情况下，大型语言模型的参数量可以从公开的技术报告、论文或官方文档中获取。 为了准确比较两个模型之间的参数量差异，建议查阅各模型发布的原始技术文档或通过官方渠道了解最确切的信息。如果这类信息未被公开，则可能需要依赖于第三方评测机构的数据或者等待官方进一步披露详情。 值得注意的是，除了参数量之外，评估模型性能还应考虑其他因素如架构设计、训练数据规模以及优化策略等多方面的影响[^4]. ```python # 假设已知具体数值后的简单展示方式如下： deepseek_r1h_params = "未知" openai_o1_params = "未知" print(f"DeepSeek R1H Model Parameters Count: {deepseek_r1h_params}") print(f"OpenAI O1 Model Parameters Count: {openai_o1_params}") if deepseek_r1h_params != "未知" and openai_o1_params != "未知": difference = abs(int(deepseek_r1h_params.replace(',', '')) - int(openai_o1_params.replace(',', ''))) print(f"Difference in parameters count: {difference:,}") else: print("无法计算参数差距，因为部分或全部参数量未知") ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值