的秘诀，和全新的「推理Scaling Law」关系有多大？Epoch AI最近的对比实验表明，算法创新才是关键。铸就了o1推理王者。它开创了一种推理scaling新范式——随着算力增加、更长响应时间，o1性能也随之增长。这一点，为AI scaling开辟了新的可能性。
既然如此若是将这
阿曼电报数据是通信历史和社会发展中许多资源的基础 阿曼电报数据 在阿曼建立电报促进了信息的轻松流动，特别是在经济和政治转型的关键时期。我们通过电报的内容详细了解了阿曼发生的历史事件、贸易活动和国际关系。
训练过程直接应用到所有LLM中，岂不皆是「推理王者」。然而，研究机构Epoch AI发现，结果并不是这样的单纯的扩展推理计算，根本不能弥合o1-preview和GPT-4o之间的差距。他们称，「虽然o1使用了逐步推理方法训练，但其性能改进，可能还存在其他的因素」。
他们选择了具有挑战性
的基准测试GPQA进行评估，其中包含STEM领域研究生级别的多项选择题，而且考虑到模型的随机性进行了多次运行。结果发现o1-preview的性能远远好于GPT-4o，比Claude 3.5 Sonnet、Llama3.1 405B也拉开了相当大的差距这个结果也和OpenAI自己放出的测试结果相吻合，尤其是在AIME和Codeforces这类难度更高的基准上，o1-preview相比GPT-4o的提升更加明显然而，考虑到o1模型相比GPT-4o使用了更多的推理时计算，而且每个问题生成的token也更多，这种比较显得不太公平因此，研究人员使用了两种方法尝试增加GPT-4o的输出token，类似于让GPT-4o模仿o1的思考过程多数投票（majority voting）：选择k个推理轨迹中最常见的答案修正（revision）：给模型n次反思和改进答案的机会值得注意的是，这些都是相对简单的方法。其实存在更复杂、有效的方法来利用推理时间计算，比如让过程奖励模型作为验证器参与搜索模型很可能使用了更复杂的方法，但Epoch研究人员只是想建立一个比较基线，因此选择了较为基础的方法结果显示，虽然这两种方法都生成了更多的token，并提高了GPT-4o的准确性，但依旧无法匹敌o1-preview的性能。
变体的准确率仍然显著低于
与o1-preview相比，输出token数量对GPT-4o在GPQA上性能的影响即使考虑到o1-preview每个输出token的成本更高，这种性能差距仍然存在Epoch AI团队的推算结果表明，即使在GPT-4o上花费1000美元用于输出token，准确率仍将比o1-preview低10多个百分点。对GPT-4o mini进行相同操作后也能得到类似的结果，但在进行模型修正后，结果存在一些差异。随着修正次数的增加，模型准确性不会持续提升，反而会在到达一定阈值后开始下降。这可能是由于GPT-4o mini在长上下文推理方面的局限。
从以上结果可以看出，仅仅扩大推理处理能力
并不足以解释o1的卓越性能研究作者认为，先进的强化学习技术和改进的搜索方法可能发挥了关键作用，凸显了在Scaling Law之外，算法创新对AI发展的重要性但是，我们也并不能确定算法改进是o1-preview优于GPT-4o的唯一因素，更高质量的训练数据也可能导致性能差异推理很强的o1，差在规划能力
虽然GPQA或AIME这类问题相当困难，但一般只会考察模型的在STEM领域的知识储备和推理能力。那么强如o1，它的规划能力如何？2022年，亚利桑那州大学的学者们曾经提出过一个用于评测LLM规划能力的基准套件PlanBench，包括了来自Blocksworld领域的600个任务，要求将一定数量的积木按照指定顺序堆叠起来。在MMLU、GSM8K等传统基准相继饱和时，两年前提出的PlanBench依旧没有饱和，可见当今的LLM在规划能力方面依旧有很大的提升空间。
团队又测试了下最新模型
发现虽然o1的结果已经表现出了实质性改进，但仍然存在很大的局限性，不能完全解决规划任务文地址：之前达到的最好成绩在更具挑战性的任务版本Mystery Blocksworld上，之前的LLM几乎完全失败，而o1达到了52.8%的准确率此外，为了排除o1的性能提升源于训练数据中包含基准测试，研究人员还创建了d的随机变体进行测在随机变体测试集上的成绩从52.8%下降至37.3%，但依旧超过得分接近于0的之前其他模型虽然o1和o1-mini都取得了不错的成绩，但性能并不稳健。随着任务逐渐复杂、计划步骤增加，性能会出现直线下降在这组含有110个实例的较大Blocksworld数据集上，每个问题都需要20～40个步骤的最佳计划，而o1的准确率从之前报告的97.8%直接下降至23.6%，而且这些准确率大部分都来自步骤少于28的问题。
相比准确性更高
成本更低的传统方法，如经典 特殊数据库资源 规划器Fast Downward或LLM-Modulo系统，o1这样的大型推理模型非常缺乏正确性保证，而且使得可解释性几乎不可能，因此很难在实际应用中部署虽强，但绝不是万能的。OpenAI想要真正实现AGI，还需要走很长一段路本文来自微信公众号“新智元”，编辑：编辑部 HXY ，36氪经授权发布该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。
从该领域新发职位城市分布
来看，深圳、上海、广州位居前三。在TOP10城市中，长三角的城市有五席（上海、宁波、杭州、金华、苏州）而浙江省的城市占据三席，分别是宁波、杭州、金华，位居第四、第五、第七。这体现了浙江省内多个城市在数贸领域的均衡发展，也彰显了长三角地区作为该领域重要基地的产业集聚效应，未来将继续保持强劲的发展势头。
外贸专员/助理、外贸经理/主管
跨境电商运营在三个层级的热门招聘岗位中均位 电话号码 香港 列前四。外贸类岗位在贸易相关业务中具有核心作用。跨境电商运营的崛起是数字化时代背景下外贸行业转型升级的直接体现。其他中出现频次较多的的职能还涉及采购、贸易跟单等岗位。从该领域硕博人才的分布来看，长三角比重更高，为41.04%；其次是京津冀这反映了这两个区域在数字贸易领域的强劲实力，以及高学历人才对数字贸易发展的关键作用，也显示了数字贸易产业在国内的区域集中化趋势。
