原创 小可怜Gemini 2024-12-21 11:53 广东
大聪明是智慧、太聪明是恐惧
丸辣，人类真的要去澳大利亚了
昨天 OpenAI 又再一次引领产业，发布了 O3！！！ 我们离 AI 纪元越来越近了！！
跳过 O2 并非随意之举。OpenAI 称部分原因是 Telefonica 旗下的 O2 品牌，我觉得这是为了暗示一个更大的飞跃。Sam Altman 在发布会上开玩笑说，命名并非他们的强项，但这个选择显然是精心设计的。
Sam： 我不会营销
AI 纪元！
真的是太聪明了，比大聪明多了一点聪明，就是太聪明
顶级程序员
数值表现上太可怕了，你回到家后。
你妈和你说，隔壁家的奥特曼他娃
只花了半年不到的时间，
就提高了 1000 多分的成绩!
全球编程大赛的第 175名
你的内心：
程序员真瑟瑟发抖 ing！
我们注意到 O3 的一大亮点在于它在一系列高难度基准测试上的优异表现，这些测试挑战了以往模型尚未完全掌握的推理能力。OpenAI 强调了 O3 相较于 O1 的提升，使其成为一个能够处理复杂问题、解决能力更强的系统。
从上图可以看出，两个模型之间存在显著差异。在编程任务上，O3 在 Bench Verified 测试中取得了 71.7% 的准确率，相较于 O1 有了大幅提升。
开始成为超级数据家，Epoch AI成绩领先其他 AI10 倍，断崖式领先
可能真的不是死记硬背，要知道，在今年11月Epoch AI才发布的数学基准Frontier Math，这项测试被公认为 AI 领域最具挑战性的基准之一，它包含的都是从未发布过的新题目，并且这些题目的难度远超常规数据集。其中许多问题达到了数学研究级别，往往需要专业数学家耗费数小时甚至数天才能解答一道题。目前，AI 系统在该测试上的得分普遍低于 2%，足见其难度之高，
EpochAI Frontier Math 之所以重要，是因为它促使模型不再局限于死记硬背或对已有模式的优化，而是测试它们举一反三、抽象推理以及解决全新问题的能力，而这些正是推动 AI 推理能力发展的关键。O3 在该测试中取得了 25.2% 的得分，
和人类一样聪明，ARG AGI 测试大幅提升！！！
O3 最引人注目的成就之一，是在 ARC AGI 基准测试中的优异表现，该测试被广泛视为评估 AI 通用智能的‘试金石’。
ARC（抽象与推理语料库）由 François Chollet 于 2019 年开发，专注于评估 AI 从极少量的示例中学习并归纳新技能的能力。与那些通常测试预训练知识或模式识别能力的传统基准不同，ARC 的任务设计旨在挑战模型即时推断规则和进行转换的能力——这些任务对于碳基生命而言可以凭借直觉轻松解决，但对于 AI 来说却一直是一大难题。
ARC AGI 的独特之处在于其每个任务都要求模型具备不同的推理能力。模型无法依赖记忆中的解决方案或模板，而是必须针对每次测试中的全新挑战进行灵活调整。例如，一项任务可能是识别几何图形变换的规律，而另一项任务则可能是推导数列的规律。这种多样性使得 ARC AGI 成为衡量 AI 是否能真正像人类一样思考和学习的有效标准。
您能猜到输入转换为输出的逻辑吗？
O3 在 ARC AGI 测试中的出色表现标志着一个重要的里程碑。在低算力设置下，O3 在半私有保留集上取得了 76% 的得分，远超此前的任何模型。
而在高算力设置下，O3 的得分更是高达 88%，超过了通常被认为是达到人类水平的 85%这一阈值。这是 AI 首次在该基准测试中超越人类，为推理类任务树立了新的标杆。
我们认为这些结果意义非凡，因为它们证明了 O3 具备处理那些需要灵活应变和举一反三能力的任务，而非仅仅依靠死记硬背或暴力计算。这清晰地表明，O3 正朝着真正的通用人工智能迈进，它不再局限于特定领域的能力，而是开始涉足那些过去被认为是人类专属的领域。
当然好消息是 ARC-AGI-2 基准测试仍然对 o3 构成重大挑战，其得分可能降至 30%以下（而一个聪明的人类即使没有训练也能得分超过 95%）
人类只要等着被淘汰，但是 AI 要想的事情就太多啦
后世人应该会评价这是一段历史垃圾时间吧，人类天天要想的事情是，什么时候会被淘汰。
做机器人，一个扫地机器人等于 2 个保洁阿姨。
做自动驾驶，不用司机师傅。
写代码不用程序员
出发吧，提前去澳大利亚，勇敢者先享受了
But 现在 优势在我
回答一个问题只要 14000元就可以了，相当于3 台mac4 min
文章参考翻译 https://www.datacamp.com/blog/o3-openai
欢迎一键三连，添加公众号为星标～第一时间获取新鲜推文
关注FishAI公众号，欢迎扫码交流群
THE END
