o1复现的一点点心得

文章预览

原文：https://zhuanlan.zhihu.com/p/13872128423 恰逢o3、gemini-flash-thinking版本推出，推理能力增强的模型已经把常见的benchmark刷到了一个遥不可及的结果，比如o3在aime24上直接干到29/30，code-force也刷到超过99.99%的人类。目前，推理模型主要在code、math、arg-agi等等上面有显著提升，而常用的翻译、对话等等场景，可能也用不到这么强的推理能力。可能真正能释放模型推理能力的场景是agent，由推理能力增强模型作为指挥家，调度一群不会思考只会工作的模型，降低推理成本 & 旧时代模型的合理利用（毕竟，直接把前代模型扔到垃圾桶，还是比较浪费钱）。 不管怎么样，我们也需要在现有资源下，掌握一定的推理模型构建方法论，才能在其他场景包括agent、tool等等场景持续优化和提升模型解决复杂场景问题的能力。本文仅以开源数据和模型，总结了一下最近的一 ………………………………