12月20日，推出o推美國開放人工智能研究中心(OpenAI)介紹了其最新的重磅人工智能(AI)推理模型——o3及其輕量版o3-mini。
 　　o3能夠進行復雜任務的理模理能力推理，在科學、型展現強編碼、大推數學等領域的推出o推表現要優于前一代o1模型，同時花費的重磅處理時間也會更長。以一項評估AI高級數學推理能力的理模理能力測試EpochAI Frontier Math為例，以往所有模型都未達到2%的型展現強準確率，而o3準確率達到了創紀錄的大推25%。
 　　在2024年美國數學邀請賽中，推出o推o3模型的重磅準確率高達96.7%，僅答錯了一個問題。理模理能力而在OpenAI研究人員認為最嚴格的型展現強基準測試之一——Frontier Math中，o3也解決了25.2%的大推問題。盡管這一得分看似不高，但此前其他大型語言模型曾在此“集體翻車”，正確率均未超過2%。
 　　在對科學知識的掌握方面，o3的表現也超出一般博士水平。在GPQA Diamond(衡量模型在博士級科學問題上的表現，涵蓋化學、物理和生物學方面的專業知識)基準測試中，o3的準確率達到87.7%，超過了人類博士的70%，也比之前o1表現高近10%。
 　　此外，o3的編碼能力也比之前的o1系列更勝一籌。在 SWE-bench Verified(衡量AI模型解決現實世界軟件問題的能力)基準上，o3的準確率約為71.7%，比o1高20%以上。在Codeforces編碼競賽平臺中，o3的得分為2727，相當于榜單上第175名人類編程員的水平，而o1得分僅為1891。
 　　o3模型讓OpenAI在通往AGI的道路上又邁前了一步。在相關基準測試ARC-AGI中，高配版o3得分為87.5%，低計算設置下o3得分為75.7%，是o1模型的三倍。但高計算模式需要花費極其昂貴的成本，每個任務高達數千美元，低計算模式則需要20美元左右。

關注本網官方微信 隨時閱讀專業資訊