Запис атласу: https://www.aitimeline.dev/uk/events/evt-0308/
Оголошення · 12 вересня 2024 р.
o1 і обчислення під час відповіді
OpenAI показала модель, навчену думати перед відповіддю: вона породжує довгий прихований ланцюг міркувань, і чим довше думає, тим точніше відповідає.
Чому це важливо
З'явилася друга вісь зростання — якість почала залежати від часу на роздум, а не тільки від розміру моделі й обсягу навчання.
Модель навчали підкріпленням на задачах із перевірною відповіддю: математика, код, природничі науки. Винагорода йшла за правильний результат, і модель сама виробила звички, схожі на людські — перевіряти себе, повертатися, пробувати інший підхід. На відбірковому іспиті американської математичної олімпіади результат стрибнув із кількох відсотків до вісімдесяти з гаком. Ланцюг міркувань OpenAI сховала, показуючи лише переказ, і це стало предметом критики. Практичний наслідок: вартість відповіді перестала бути сталою, бо тепер за точність платять секундами.
Відомості про подію
- Дата події
- 12 вересня 2024 р.
- Дата на часовій осі
- Дата події
- Перевірка
- Джерела зібрано автоматично · 18 вересня 2026 р.
- Лінії
- ID
- evt-0308
Оголошення від 12 вересня 2024 року.
Пов’язані події
Раніше
- Пов’язано Обчислення під час відповіді проти більшої моделі 2024посилається на цей запис
Стаття вийшла за п'ять тижнів до показу o1 і незалежно виміряла ту саму залежність на відкритих моделях.
- Пов’язано Preparedness Framework OpenAI 2023посилається на цей запис
Системна картка o1 звітує оцінки o1-preview і o1-mini за цим фреймворком: загальний ризик середній.
- Пов’язано InstructGPT і навчання на людських оцінках 2022
Підкріплене навчання застосовано не до вподобань оцінювача, а до правильності розв'язку.
- Пов’язано Підказка з ланцюжком міркувань 2022посилається на цей запис
o1 під час розв'язання задачі користується ланцюжком міркувань і вчиться вдосконалювати його навчанням з підкріпленням; OpenAI не цитує цієї статті, тож запис стверджує спорідненість, а не походження.
- Пов’язано Закони масштабування 2020
Якість зростає з обчисленнями під час відповіді, а не лише під час навчання.
Пізніше
- Розвиває Повна o1 і підписка за 200 доларів 2024посилається на цей запис
Повна версія моделі, показаної в попередньому вигляді у вересні.
- Пов’язано DeepSeek-R1 2025посилається на цей запис
Той самий результат, але з відкритими вагами й видимим ланцюгом міркувань.
- Пов’язано Claude 3.7 Sonnet і Claude Code 2025посилається на цей запис
Той самий довгий роздум, але показаний користувачеві й обмежуваний ним.