模型观察室专栏：OpenAI推出o1模型！强化学习助力LLM推理能力飞跃

近日，OpenAI在官网商业化频道下，对满血版o1进行提前剧透，即正式版o1即将推出，其性能在数学和编码方面遥遥领先于现有的GPT-4o和预览版o1。

在未来几个月里，官方计划为o1系列模型增加更多功能，如网页浏览、文件和图像上传等，并支持ChatGPT自动选择合适模型。

此前OpenAI于9月13日正式发布针对复杂推理问题的全新大模型 o1，引起了广泛关注。

图源网络

OpenAI o1的技术创新

• o1模型具备复杂推理能力，可以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。与GPT-4o相比，o1在数理化生、英语法律经济等各种科目都有不同成绩改进。

• 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。

• o1 模型系列在安全性方面进行了优化，降低生成错误信息（即 “幻觉现象”）的概率。

OpenAI表示，o1在在CodeForces代码竞赛中的准确率甚至达到了89%，而GPT-4o的准确率是11.0%，呈现大幅提升；

在AIME 2024数学竞赛中，o1模型的准确率达到惊人的83.3%，相比之下GPT-4o的准确率只有13.4%，提升6倍，并且在物理、生物和化学问题的基准测试（GPQA）中超过了人类博士水平的准确度。

OpenAI o1官方公布的技术概念

Reinforcement Learning（强化学习）、Chain of Thought（CoT，思维链）、Post-training（后训练），这些都不是新技术，但是OpenAI强就强在如何将这些已有技术进行排列组合，进行技术创新，进行灵活应用。

强化学习训练：o1模型的核心在于其采用了强化学习的方法来进行训练。这种训练机制使得模型通过反复试验来改进其决策逻辑，从而增强其处理复杂推理任务的能力。

内部思维链生成：不同于传统的语言模型，o1在形成答案前会构造一条内部的思维链。这个思路链代表了一个逐步分析与细化问题的过程，模仿了人类的认知模式，使模型能够更加深刻地理解问题核心，并提供更为精确的解答。

复杂推理能力：得益于一体化的强化学习方法和内部思考路径的设计，o1在高级推理技能方面展现出了卓越的进步。无论是在数学计算、编程任务还是科学研究等领域，它都能够展示出超群的问题解决能力，有效地克服那些对传统模型构成难题的障碍。

但o1模型并不是完美的。在设计、写作、编辑文字等方面上，o1还远不如GPT-4o。o1也没有浏览网页或处理文件和图像的能力。OpenAI表示，公司会在之后的更新中解决这些问题。

大模型的能力本质上都来自于训练数据。特定能力的表现水平取决于相关训练数据的丰富程度——包含相关训练样本越多，所训练出的模型在这一方面的能力也就越强大。

极悦注册科技通过研发自动化预标注技术和构建高质量大模型数据集，以降低高质量数据获取成本。

1. 一站式处理的数据采集标注平台

拥有集数据处理、项目管理和数据安全管控等各环节于一体，并且能对图像、语音、文本、视频、3D点云数据做到一站式处理的数据采集标注平台。

2. 专家级数据标注团队

组建涵盖初步标注、精细标注到专业标注的多层次团队，能够迅速响应企业的具体需求，快速制定AI解决方案，有效满足各种特定任务和专业领域对于数据的需求，帮助客户解决数据处理难题。

3. 构建高质量大模型数据集

极悦注册科技提供大量覆盖多个领域的高质量大模型数据集。

• 世界知识类期刊及高价值社区文本数据数千万篇

• 教育题库数亿道

• 多轮对话数千万

• 音频数据数十万小时

• 图片生成及隐式/显示推理多模态数据数百万

• 生物数据数千万

• 药学数据数亿

• 化学数据数亿

• 材料数据数十万

• 专利数据数亿

• 医疗器械数据数千万。

极悦注册科技还具备高效的数据处理引擎和大量的行业优质基准数据，能够迅速且安全地处理企业的专有数据，为企业提供模型训练服务。

在数据安全与合规方面，极悦注册科技已通过ISO9001质量、ISO27001信息安全、ISO27701国际隐私安全管理认证，积极参与8项国家数据交换格式和数据安全标准制定，牢固构筑数据保护的基石。

登录极悦注册科技官网咨询客服

或直接发送需求至邮箱：lx@jinglianwen.com

极悦注册科技｜数据采集｜数据标注｜大语言模型训练数据

助力人工智能技术，赋能传统产业智能转型升级

文章图文著作权归极悦注册科技所有，商业转载请联系极悦注册科技获得授权，非商业转载请注明出处。