o3
人类赢了！OpenAI深夜开源全新Agent评测基准!AI大战顶尖人类，上演机器学习届“神仙打架”；R1排第三，Claude夺冠
编辑 | 李美涵出品 | 51CTO技术栈（微信号：blog51cto）深夜，OpenAI再次发力Agent领域，开源了一个全新的AI Agent评测基准—— PaperBench。 这是一个用于评估 AI 智能体复现最前沿 AI 研究能力的基准测试。 智能体需从零开始复现 20 篇 ICML 2024 Spotlight 和 Oral 论文，包括理解论文贡献、构建代码库并成功执行实验。
OpenAI 的 o3 模型在 2024 国际信息学奥林匹克竞赛中斩获金牌
近期，OpenAI 发布了一项关于其最新推理模型 o3的研究，展示了大型语言模型（LLM）如何从初学者的竞赛程序员成长为全球顶尖水平的竞争者。 o3在著名编程平台 CodeForces 上取得了2724的评分，位于前99.8% 的百分位，表现相当出色，并在2024年国际信息学奥林匹克(IOI)中获得了金牌级别的成绩。 图源备注:图片由AI生成，图片授权服务商Midjourney研究表明，o3模型在 IOI 比赛中超越了专门为此活动微调的 o1-ioi 模型，这一结果表明，通过强化学习取得的成就要优于手工设计的解决方案。
OpenAI更新o3-mini模型，展示了给出答案的 “思维链”
近日，OpenAI 在推出其旗舰 AI 模型 o3和 o3-mini 后，进行了重大更新，改变了 o3-mini 的回应方式。 现在，这款模型不仅能够回答用户的问题，还能展示其思考过程，为用户提供更多透明度。 这一变化标志着 OpenAI 在提升用户体验方面迈出了重要一步，使得 AI 工具的使用变得更加人性化。
o3-mini 思维链公开却被曝光全是“作假”，阿尔特曼现身解释
在展示出来的 CoT 中，o3-mini 一步步思考，这个问题应该是用户在搞幽默，觉得本周应该快结束了，结果还没结束。因此，自己需要给一个聪明机智的回答。
惊掉下巴！o3像是一个弥天大谎！基准构建者Epoch AI发长文认错曝猛料：OpenAI竟独家访问数据集，问题和答案可用来训练！
出品 | 51CTO技术栈（微信号：blog51cto）惊天大瓜来了！ 去年年底OpenAI 推出o3推理，在数学、编码、通用AGI方面都取得了令人的难以置信的类人甚至超人的进展。 但就在昨天，大洋彼岸的一众人工智能专家开始对“o3”的这些数据表示严重的怀疑，甚至将之比作“Theranos”时刻（一家建立在巨大谎言之上的公司，项目参与人员被迫保密，外界却被蒙在鼓里）。
o3数学成绩作弊大瓜！提前让测试机构给真题，60多名数学大牛全被蒙在鼓里
OpenAI o3还没上线，就被曝数学成绩是靠作弊得来？ Benchmark发布机构内部人员爆料称，OpenAI给了他们经费赞助。 就连包括陶哲轩在内参与出题的60余名数学家，在消息曝光之前也都和普通公众一样蒙在鼓里。
OpenAI o3 碾压式 AI 数学成绩遭质疑：既当选手又是裁判，翻版 Theranos 世纪骗局
科技媒体 TechCrunch 昨日（1 月 19 日）发布博文，报道称 Epoch AI 因未及时披露 OpenAI 的资助而引发争议，其开发的数学基准测试 FrontierMath 的客观性受到质疑。
AI掌控编码人类狂按Tab，软件工程自主时代来临！OpenAI董事长Taylor重磅长文
2024年额度几近用完。 这一年，你认为AI对软件工程师最大的影响是什么？ 今年3月，世界首个AI程序员Devin一出世，全网惊呼一切完结了！
是时候停止炒作「o3是AGI」了！背后15人安全对齐团队大盘点
我们或许可以称o3是「更高级的推理AI」，而远不是AGI。 昨天凌晨，OpenAI 连续 12 天发布会终于落下了帷幕，并甩出了最强大的推理模型 o3 系列！ 当然，用户现在想要体验 o3 或者 o3-mini，需要申请并等待数周。
o3 压台登场：OpenAI 卷动推理 AI 模型风云，迈向 AGI 新巅峰
“12 Days of OpenAI”活动已拉上帷幕，OpenAI 的 o3 系列大模型压台登场，官方称在某些场景下，其推理能力非常接近通用人工智能（AGI）。
- 1