文章预览
3分钟的幕后人员采访，值得看一遍，我加了中英翻译的字幕 印象深刻的点： o1是一个推理模型，所以 在回答问题之前会推理的更多 。 所以什么是推理？ 有些简单的问题，例如，如果你问意大利的首都是哪里，你知道答案是罗马，你真的不用想太多，但是如果你想知道，复杂的谜题或你想写真正好的商业计划书，你想写小说，你可能需要考虑一下，你想得越多越好。所以 推理的结果是转向的能力，思考时间转向更好的结果 。 我认为真正酷的是，研究是有一个顿悟的时刻，你们什么时候有那种顿悟的时刻？第一位： 产生连贯的思维链 另一位：当我们意识到如果用 RL 训练模型 来生成和完善自己的思维链，它能比人类为其编写思维场景做得更好时，我有了一个“啊哈时刻”。这表明我们可以通过这种方式真正 scale this（扩大规模），实现卓越的推
………………………………
