OpenAI o1
OpenAI o1于2024年9月13日正式发布，作为OpenAI最新发布的最强推理模型，标志着AI行业进入了一个新时代。o1在测试化学、物理和生物学专业知识的基准GPQA-diamond上，全面超过了人类博士专家，OpenAI宣称“通用人工智能(AGI)之路，已经没有任何阻碍”。
以往的大模型都是在“卷”NLP，语义理解、文本生成，而有点忽略逻辑推理。虽然GPT系列也集成了“In Context Learning（上下文学习）”、“Chain of Thought（思维链）”，但更多在Prmpt Engineering（提示词工程），目的是为了挖掘大模型的能力。这次发布OpenAI o1，开启了模型“卷”逻辑推理之路。
我一直坚信OpenAI还有很多秘密武器没有亮相，山姆·奥特曼果然是投资出身，懂得有节奏推出新产品，完美拿捏用户和投资者的情绪。每当大家觉得OpenAI快不行的时候，一个重磅炸弹丢出，大家认为他又行了，AGI又近了。
OpenAI o1
一、OpenAI o1
什么是OpenAI o1？我们即将推出OpenAI o1，这是一种经过强化学习训练的新型大型语言模型，用于执行复杂的推理。o1在回答之前会进行思考——它可以在回应用户之前生成一个长长的内部思路链。 – Open AI 官方定义
-
强化学习训练：o1模型的核心在于其采用了强化学习的方法进行训练。这种方法使模型能够在不断试错的过程中优化其决策策略，从而提升其在复杂推理任务中的表现。
-
内部思维链生成：不同于传统的语言模型，o1在回答之前会生成一个内部的思维链。这个思路链是一个逐步推导、逐步分解问题的过程，它模拟了人类思考的方式，使得模型能够更深入地理解问题并给出更准确的答案。
-
复杂推理能力：通过强化学习和内部思维链的生成，o1在复杂推理能力上实现了显著提升。它能够在数学、编码、科学等多个领域表现出色，解决一些传统模型难以应对的复杂问题。
OpenAI o1 vs GPT-4o：为了强调在推理能力上对GPT-4o的改进，我们在一系列不同的人类考试和机器学习基准测试中测试了我们的模型。我们证明了o1在绝大多数推理密集型任务上显著优于GPT-4o。除非另有说明，否则我们对o1的评估采用最大测试时间计算设置。 – Open AI 官方evals
在具有挑战性的推理基准测试中，o1相对于GPT-4o有了大幅提升。实线条表示“一次通过”（pass@1）的准确性，而阴影区域则表示64个样本中的多数投票（共识）表现。
Benchmark测评结果：o1在多个高难度推理基准测试中表现出色，包括超越人类专家和GPT-4o，展示了其强大的推理能力和在某些领域的专业知识。
在许多需要大量推理的基准测试中，o1的表现与人类专家不相上下。最近的前沿模型1在MATH2和GSM8K上的表现非常出色，以至于这些基准测试已无法有效区分不同模型。我们评估了AIME上的数学表现，AIME是一项旨在挑战美国最优秀高中生的数学考试。在2024年的AIME考试中，GPT-4o平均只能解决12%（1.8/15）的问题。而o1在每个问题上使用一个样本平均解决了74%（11.1/15）的问题，使用64个样本的共识解决了83%（12.5/15）的问题，并使用学习到的评分函数对1000个样本进行重新排序后解决了93%（13.9/15）的问题。13.9的分数使其位列全国前500名学生之列，并超过了美国数学奥林匹克竞赛的入围分数线。 – Open AI 官方测评结果
我们还在GPQA钻石上评估了o1，这是一个测试化学、物理和生物学专业知识的困难智能基准测试。为了将模型与人类进行比较，我们招募了拥有博士学位的专家来回答GPQA钻石问题。我们发现，o1的表现超过了这些人类专家，成为首个在该基准测试中做到这一点的模型。这些结果并不意味着o1在所有方面都比拥有博士学位的人更强大——而只是表明该模型在解决一些博士学位获得者预期会解决的问题上更为熟练。在其他一些机器学习基准测试中，o1也超过了最先进的模型。启用视觉感知能力后，o1在MMMU上获得了78.2%的分数，成为首个与人类专家具有竞争力的模型。同时，在MMLU的57个子类别中，o1有54个的表现优于GPT-4o。 – Open AI 官方测评结果
o1在包括54/57个MMLU子类别在内的广泛基准测试中表现优于GPT-4o。这里展示了七个作为示例。
二、思维链 + 强化学习
Chain of Thought（思维链）：与人类在回答难题前可能需要长时间思考类似，o1在尝试解决问题时会使用一系列的思考过程。通过强化学习，o1学会了优化其思考过程并改进其使用的策略。它学会了识别和纠正自己的错误，将复杂的步骤分解成更简单的步骤，并在当前方法不起作用时尝试不同的方法。这个过程极大地提高了模型的推理能力。为了说明这一飞跃，我们展示了o1预览版在几个难题上的思考过程。 – Open AI 官方Chain of Thought
OpenAI o1的技术细节如何解读？OpenAI 从GPT3开始转向闭源，很多技术细节都没有公布，OpenAI o1这次也不例外，网上很多人反馈想通过使用o1一步步去debug它的Chain of Thought（思维链），从而去了解o1的思维链思考过程，结果被封号了。
OpenAI o1官方公布的技术概念：Reinforcement Learning（强化学习）、Chain of Thought（CoT，思维链）、Post-training（后训练），这些都不是新技术，但是OpenAI强就强在如何将这些已有技术进行排列组合，进行技术创新，进行灵活应用。我预测未来一段时间，各大模型厂商又会开启新的一轮庖丁解牛，进行你追我赶。
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- prompt 攻击和防范
- …
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 Javascript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。