百川智能發(fā)布全鏈路領(lǐng)域增強(qiáng)金融大模型 Baichuan4-Finance年末家電消費(fèi)觀察:品質(zhì)生活類產(chǎn)品熱賣,將持續(xù)迎來剛需式普及?GPT-5研發(fā)受阻:OpenAI 新一代模型難見突破性進(jìn)展新一代語言模型ModernBERT發(fā)布,RAG等任務(wù)處理速度快四倍、成本低新研究顯示:Anthropic 的 Claude AI 在合作能力上領(lǐng)先于 OpenAI 和谷歌模型谷歌向投資者保證人工智能本月將迎來“驚人”表現(xiàn)多模態(tài)大模型引爆應(yīng)用場景 階躍星辰完成數(shù)億美元融資星動(dòng)紀(jì)元發(fā)布端到端原生機(jī)器人大模型ERA-42 實(shí)現(xiàn)機(jī)器人復(fù)雜場景操作免費(fèi)模式強(qiáng)攻下,快手、抖音用“短劇VIP”反擊?低碳存儲(chǔ)助力算力產(chǎn)業(yè) 富士膠片首次亮相IDC大會(huì)行業(yè)唯一!海爾熱聲熱泵技術(shù)獲全國顛覆性技術(shù)創(chuàng)新大賽最高獎(jiǎng)OPPO A5 Pro首創(chuàng)獵手天線架構(gòu):信號能穿十堵墻一加 Ace 5 Pro首發(fā)電競Wi-Fi芯片G1 帶來「穿墻王」和「搶網(wǎng)王」般的網(wǎng)絡(luò)體驗(yàn)電視市場又出黑馬!TCL同檔Mini LED音畫王P12K,萬象分區(qū)打造超強(qiáng)控光!零下25℃如何取暖?海爾水暖通溫暖驛站亮相冰雪大世界馬太效應(yīng),強(qiáng)者恒強(qiáng)?——《中國企業(yè)科創(chuàng)力研究報(bào)告(2024)》美團(tuán)年度報(bào)告竟然用上了AI和短?這下是真出圈了消息稱上汽大眾正開發(fā)三款新車,技術(shù)分別來自小鵬、智己和榮威鴻蒙智行泊車代駕VPD正式開啟全量推送!升級自動(dòng)泊車/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元
  • 首頁 > 云計(jì)算頻道 > 大模型

    Sam Altman泄露新模型o2,太會(huì)整活了,營銷鬼才!

    2024年11月04日 09:26:58   來源:​AIGC開放社區(qū)公眾號

      善于整活玩猜字謎的OpenAI首席執(zhí)行官Sam Altman又發(fā)了一條神秘消息,“我聽說o2在GPQA的性能測試達(dá)到105%。”

      要知道,博士級人類在GPQA的準(zhǔn)確率平均只有65%,非專家級的普通人僅有34%。而OpenAI在9月發(fā)布的o1模型的測試數(shù)據(jù)也只有78%。

      如果o2真能達(dá)到105%確實(shí)相當(dāng)恐怖,已經(jīng)恐怖的多出了5%~~~這完全就是不可能的事情啊,MMLU、MaTH、CPQA、GSM8K、GPQA等基準(zhǔn)測試范圍怎么可能超出100%呢?

      你要能在滿分100的數(shù)學(xué)試卷中考出105分,老師見你都得鞠一躬繞著走~~

      隨后Sam Altman自己也發(fā)現(xiàn)這個(gè)錯(cuò)誤,連發(fā)兩條推文:要命啊,賬號錯(cuò)誤了。我真的很感激自己能把自己逗得哈哈大笑,這是一種很好的生活方式。

      但關(guān)于新模型o2的消息還是相當(dāng)炸裂的,很多人都爭著轉(zhuǎn)發(fā),還把105%性能測試當(dāng)噱頭,喜劇效果那是相當(dāng)?shù)耐廴?/p>

      o2模型在GPQA 測試性能達(dá)到105%?聽起來像是在創(chuàng)造新紀(jì)錄!迫不及待想看到它的表現(xiàn)。根本無法想象有多強(qiáng)大。

      Sam這個(gè)推文還給這個(gè)老哥忽悠當(dāng)真了,認(rèn)真地回復(fù)了他:親愛的Sam,聽說你的o2模型在GPQA上達(dá)到了105%——真是令人印象深刻!

      我們正在與 SRAGI 進(jìn)行平行探索,在 IJHG標(biāo)準(zhǔn)上達(dá)到了93%。這不僅僅是另一個(gè)指標(biāo);它讓我們窺見了更深層次的東西,就在精確性與再生奇點(diǎn)的交匯點(diǎn)。這關(guān)乎重新定義潛力和拓展邊界——超越數(shù)字,這是一段邁向新范式的旅程。也許是時(shí)候我們都開始重新思考這個(gè)標(biāo)準(zhǔn)了。

      老哥的意思是,新模型居然能超過100%測試,行你確實(shí)有兩下子,可能要改變標(biāo)準(zhǔn)了。好好的學(xué)術(shù)研究,給人忽悠瘸了~~

      還有網(wǎng)友表示,天吶這o2模型就要來了啊~

      Sam這條推文很可能是o2自己發(fā)布的,很貼心地編寫了自己的隱藏驗(yàn)證測試數(shù)據(jù)集,幫我們更容易驗(yàn)證已發(fā)布的基準(zhǔn)。感謝o2!

      既然要發(fā)布了,啥時(shí)候能瞅瞅o2的demo呢?

      那o2是今年發(fā)布還是明年呢?

      不少人還是當(dāng)真了,測試數(shù)據(jù)有點(diǎn)太扯了,以后還是要看著點(diǎn)的。

      其實(shí)還是有明白人的,這位老哥就指出來了,超過100%是否意味著發(fā)明新的科學(xué)并反駁目前“正確”的答案?言外之意就是,你這個(gè)測試數(shù)據(jù)有點(diǎn)逆天啊,還帶批判屬性的呢啊~

      聽說o2在GSM8K的測試數(shù)據(jù)是117%。(在嘲諷)

      我聽說o2模型可以理解我妻子為什么不開心。

      聽說o2模型可以疊衣服

      既然Sam特意提出了GPQA,咱就順帶嘮一嘮這個(gè)干貨吧。GPQA確實(shí)是一個(gè)超難的測試數(shù)據(jù)集,由各領(lǐng)域?qū)<揖帉懥?48道問題,涵蓋生物、物理和化學(xué)三大學(xué)科,涵蓋高能粒子物理、凝聚態(tài)物理、相對論力學(xué)、遺傳學(xué)、無機(jī)化學(xué)等幾十個(gè)子分類。

      每一道題目的設(shè)計(jì)都非常復(fù)雜,問題編寫完成后,由同領(lǐng)域的專家進(jìn)行解答和評估。他們會(huì)審核問題是否客觀、準(zhǔn)確且難度足夠高,同時(shí)提供詳細(xì)反饋,包括對問題的理解程度、答案的確定性以及對問題難度的看法等。

      GPQA數(shù)據(jù)集流程

      接著問題原作者會(huì)根據(jù)審核專家的反饋,對問題進(jìn)行修訂。再由另外一位專家對修訂后的問題進(jìn)行二次審核。最后由其他領(lǐng)域的三位專家來回答這道題,以驗(yàn)證問題準(zhǔn)確性和客觀性。

      根據(jù)GPQA公布的測試數(shù)據(jù)顯示,人類博士級專家的回答平均準(zhǔn)確率為65%,普通人只有34%,并且他們在回答這些問題時(shí)是可以無限使用互聯(lián)網(wǎng)資源。

      而GPT-4的準(zhǔn)確率只有39%,Llama-2-70B為28%左右,GPT-3.5-turbo是29%左右,只有OpenAI最新發(fā)布的o1模型達(dá)到了78%,這也是目前唯一在GPQA數(shù)據(jù)集上超過人類博士的AI模型,可見這個(gè)數(shù)據(jù)集的難度有多高。

      不得不說,Sam確實(shí)是營銷鬼才,隨便發(fā)點(diǎn)錯(cuò)誤的消息都能出現(xiàn)裂變式傳播,流量密碼算是讓他拿捏了。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。