🎈OpenAI发布的openaio1（草莓），其推理能力有了显著提升。这得益于奖励模型的支持，每次答对问题会得到一朵小红花，使思维链更易走向正确方向，从而提升了推理能力。

🌟OpenAI承认草莓的成功证明了AI具有真正的强化学习能力，而奖励模型是强化学习的核心要素，这一成果具有重要意义。

💪昆仑万维12日发布的公众号显示，公司的奖励模型成绩较为优秀，切实提高了推理能力，如Skywork-Reward-Gemma-2-2。

今日openai 发布openai o1也就是草莓，与之前相比推理能力上升为一个台阶，了解后发现此推理能力大概来自于奖励模型的扶持 也就是说每次答对问题就有一朵小红花，让思维链走在正确道路上的可能变大。openai自己也承认，草莓的成功证明了ai具有真正的强化学习能力，而奖励模型正是强化学习的核心和要素。而正如openai所说以后能训练ai的只有ai了。 据昆仑万维12日发布的公众号，目前公司的奖励模型成绩较为优秀，确实提高了推理能力，并且昆仑万维Skywork-Reward-Gemma-2-2