主要观点总结
本文介绍了OpenAI o1的价值意义以及RL的Scaling law。文章指出OpenAI o1是大模型进步的巨大体现，特别是在逻辑推理能力提升方面。文章还讨论了OpenAI的未来计划，包括o1和GPT 4o的发展。同时，文章对预训练Scaling Law和O1提到的RL Scaling law进行了阐述。
关键观点总结
关键观点1: OpenAI o1的重要性
OpenAI o1被视为大模型的巨大进步，特别是在逻辑推理能力提升方面。它探索的是大模型在AGI路上的发展，对于提高大模型的智力水平有重要作用。
关键观点2: OpenAI的未来计划
OpenAI计划发展两条线，一条是o1，一条是GPT 4o，通过增强基座模型的逻辑推理能力，再迁移到GPT 4o等多模态通用模型上。
关键观点3: 预训练Scaling Law和RL Scaling law
文章讨论了预训练Scaling Law的来源，以及OpenAI o1提到的RL Scaling law。大模型的能力来源主要来自训练数据，包括语言理解、世界知识和逻辑推理能力。随着数据和模型规模增加，大模型的效果提升出现Scaling law增长放缓的现象。而RL Scaling law涉及的是在使用Monte Carlo Tree Search（MCTS）等树搜索技术时的算力需求增长。
文章预览
机器之心转载 作者：新浪新技术研发负责人张俊林 蹭下热度谈谈 OpenAI o1 的价值意义及 RL 的 Scaling law。 一、OpenAI o1 是大模型的巨大进步 我觉得 OpenAI o1 是自 GPT 4 发布以来，基座大模型最大的进展，逻辑推理能力提升的效果和方法比预想的要好，GPT 4o 和 o1 是发展大模型不同的方向，但是 o1 这个方向更根本，重要性也比 GPT 4o 这种方向要重要得多，原因下面会分析。 为什么说 o1 比 4o 方向重要？ 这是两种不同的大模型发展思路，说实话在看到 GPT 4o 发布的时候我是有些失望的，我当时以为 OpenAI 会优先做 o1 这种方向，但是没想到先出了 GPT 4o。GPT 4o 本质上是要探索不同模态相互融合的大一统模型应该怎么做的问题，对于提升大模型的智力水平估计帮助不大；而 o1 本质上是在探索大模型在 AGI 路上能走多远、天花板在哪里的问题，很明显第二个问
………………………………
