OpenAI o1 如何学会三思而后行

文章预览

o1 效果惊艳社区 OpenAI o1 悄然上线却震撼整个社区： 编程、奥数、理化跻身人类最强大脑水平，标志着大模型发展到了一个新纪元。 https://openai.com/index/learning-to-reason-with-llms/                             对于背后的技术，OpenAI 没有透露细节，只是一笔带过： o1的性能随着“强化学习”的增加而不断提高 。             “类似于人在回答难题前会思考很长时间，o1在尝试解决问题时会使用思维链。通过强化学习，o1学会了磨练自己的思维链，并完善使用策略。它学会了认识和纠正自己的错误，把棘手的步骤分解成更简单的步骤，当前的方法不起作用时，尝试不同的方法”。             这不就是古人教导我们的“三思而后行”吗？！             无独有偶，7 月谷歌宣布推出的 AlphaProof，就是将LLM与强化学习结合起来解决数学难题的。AlphaPr ………………………………