※ 引述《xross (xross)》之铭言： : 才没几天 : Deepmind 就又突然出个 Deep Think 版 也是强调 IMO ICPC 数学 AI : "gold medal winning IMO and ICPC technologies" : https://x.com/demishassabis/status/1996683917991334300 : 时间点上 不是巧合吧 : 怎麽看都像是逼对方出招啊 : 说好的垃圾时间呢??? 关於这个赢得IMO金牌的Gemini pro Deep Think功能， 7/21 Google的DeepMind官网，就已经公开说明， 之後会制作一个版本，交给专家小组(包括数学家)测试後，於Google AI Ultra平台推出。 We will be making a version of this Deep Think model available to a set of trusted testers, including mathematicians, before rolling it out to Google AI Ultra subscribers. https://i.imgur.com/4uwgTa3.png 也就是说，这本来就是计画好要推出的东西， 只是七月到现在需要先给专家测试过用户版本。 官网公告 https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think- officially-achieves-gold-medal-standard-at-the-international-mathematical- olympiad/ 缩网址 https://reurl.cc/KOe5Wm 顺带一提，GPT那边也是一样， 以下是科学人访问OPEN AI的IMO竞赛用模型的研发工程师，文章日期是今年8/21， 他们说期待在未来的模型中整合竞赛用模型的推理能力。 Those contributed alot to the success here, and now we and others at OpenAI are applying thembeyond math. It’s not in GPT-5, but in future models, we’ re excited tointegrate these capabilities. https://i.imgur.com/wXHkN0t.png 有提到八月初推出的GPT5，并没有包含IMO竞赛模型的推论能力在内。 所以之後应该是还有精彩对决可以看。 科学人访谈网址 https://www.scientificamerican.com/article/openai-model-earns-gold-medal-score -at-international-math-olympiad-and/ 缩网址 https://reurl.cc/bNVo2E 从两篇文章看来，IMO竞赛模型最主要擅长的似乎是花时间思考，处理复杂的任务。 此外最特别的是，两家公司的模型都分别在竞赛过程中，六题中只回答了五题， 有一题是在模型判断自己不会之後，选择不回答。 这代表这类深度思考模型可能具备不知道就承认不知道的能力。 这种能力是靠「後训练」锻链出来的，大家常说的scaling是「预训练」。 「後训练」强化推理能力主要有以下这些方法： 1. RLHF（以人类偏好训练） 2. PPO / DPO 3. CoT 强化训练（chain-of-thought fine-tuning） 4. 推理微调（reasoning fine-tuning） 5. RAI（Reinforced Active Instruction） 6. Q* 类 self-consistency 或自我反思训练（self-training） 7. 用大量人工标注或模型自产的推理轨迹做强化学习 8. 蒐集更高品质的推理数据做微调 (以上是GPT5.1列的，拿给Gemini 3.0 pro检查过) 根据Gemini 3.0 pro解说的内容， 比喻来说，预训练锻链的是，类似人类全智商的潜力，本质是晶体智力的极致， 例如看过的所有书跟网路资讯。这部分目前已经很难再拉出差距。 後训练锻链的则是模拟临机应变的能力，利用思维链模拟推理，找出最佳解答路径， 比喻来说类似人类的流体智力，ARC-AGI-2的测试成绩就是在测这个， 简言之，模型会模拟人类活用潜能的能力。 现在各家在比的是看谁做後训练的技巧更高段，或许会拉出明显差距？ ====== 晶体智力是透过家庭学校跟自学得到的知识、技能与常识，这是靠後天获得的。 流体智力则是天生的能力，像马盖仙那样临机应变，或是像科学家那样突发奇想， 人类的这种能力很难靠後天培养，而且据说会随着年龄衰退QQ ARC-AGI-2的成绩 (这个测验的测试方法看起来很像WAIS智力测验的知觉推理) https://arcprize.org/arc-agi/2/ 测验简介 https://arcprize.org/leaderboard 排行榜图表 https://i.imgur.com/s3E6SRB.png 排行榜截图 Gemini 3.0 pro Deep Think高达45% Claude Opus 4.5 Thinking 64k: 37.6% Gemini 3.0 pro: 31.1% GPT 5 pro: 18.3% GPT 5.1 Thinking (High): 17.6% Grok 4 Thinking: 16.0% 这个测验有找人类来测试 人类中聪明的专家小组施测结果是98-100% 人类一般人平均是60几~70几 据说人类小学生大概30几 -- 在下没有鼓吹买AI相关股的意思 请慎防AI相关股泡沫崩坏 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 45.250.255.20 (日本) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1764910836.A.5F1.html ※ 编辑: LoveSports (45.250.255.20 日本), 12/05/2025 13:10:23