北大AI奥数评测，o1-mini比o1-preview分数还高
北大AI奥数评测，o1-mini比o1-preview分数还高OpenAI的o1系列一发布，传统数学评测基准都显得不够用了。
来自主题: AI技术研报
7700 点击 2024-09-23 15:30
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
OpenAI的o1系列一发布，传统数学评测基准都显得不够用了。
随着AI模型的水平不断提高，现有的基准测试也被逐一攻破。CAIS和Scale AI共同发起了属于人类的最后一搏，悬赏50万美元，把最高难度、只有最顶尖的人才能回答出的问题收集起来作为基准，是否能挡住AI模型的攻势？
AI编程技术竞赛加剧
相比第一代， 延迟降低40%，成本还降低30%。
留子们在写一种很新的差评。 由于全球点评打卡平台，都有个自动翻译的功能，为了防止被店家骚扰，也为了给同胞避雷，身在海外的国人们，想出各种奇招优雅给差评。
o1模型发布1周，lmsys的6k+投票就将o1-preview送上了排行榜榜首。同时，为了满足大家对模型「IOI金牌水平」的好奇心，OpenAI放出了o1测评时提交的所有代码。
前些天，OpenAI 发布了 ο1 系列模型，它那「超越博士水平的」强大推理性能预示着其必将在人们的生产生活中大有作为。但它的使用成本也很高，以至于 OpenAI 不得不限制每位用户的使用量：每位用户每周仅能给 o1-preview 发送 30 条消息，给 o1-mini 发送 50 条消息。
全网 OpenAI o1 的测试基本跑完，大家基本认可这是一个独立思考智商超高的模型，智商测试120，高考数学全对。
以前最宝贵的资源是黄金，现在最宝贵的资源是算力。
论文的审稿模式想必大家都不会陌生，一篇论文除了分配多个评审，最后还将由PC综合评估各位审稿人的reviews撰写meta-review。