समाचारं

पौराणिकः "स्ट्रॉबेरी" मॉडलः अद्य अचानकं विना किमपि सूचनां ऑनलाइन अभवत्!

openai द्वारा विमोचितं नवीनतमं मॉडलं o1 इति कथ्यते, यत् अनुमानमाडलस्य श्रृङ्खलायाः प्रथमं संस्करणम् अस्तिo1-पूर्वावलोकनम् (पूर्वावलोकनसंस्करणम्) तथा o1-mini (मिनी संस्करण）。

सम्प्रति chatgpt plus तथा team ग्राहकानाम् कृते o1-preview तथा o1-mini इत्येतत् पूर्वमेव उपलभ्यते, enterprise तथा edu उपयोक्तारः आगामिसप्ताहस्य आरम्भे एव प्रवेशं प्राप्नुयुः । openai इत्यनेन उक्तं यत् chatgpt इत्यस्य सर्वेभ्यः निःशुल्कप्रयोक्तृभ्यः o1-mini-प्रवेशं प्रदातुं योजना अस्ति, परन्तु अद्यापि विमोचनदिनाङ्कः न निर्धारितः ।

openai इत्यस्य अनुसारं o1 मॉडल् समस्यानिराकरणक्षमतायाः दृष्ट्या पूर्वस्य कस्यापि मॉडलस्य अपेक्षया मानवचिन्तनस्य समीपे अस्ति, तथा च गणितीय, कोडिंग्, वैज्ञानिककार्यं च "तर्कं" कर्तुं समर्थः अस्ति

नूतनस्य प्रतिरूपस्य क्षमता openai इत्यस्य दावानुसारं शक्तिशालिनी अस्ति वा इति सत्यापयितुं "daily economic news" इत्यस्य एकः संवाददाता।क्लासिक "स्ट्रॉबेरी टेस्ट" इत्यस्मात् ।”o1-पूर्वावलोकनप्रतिरूपस्य परीक्षणं पञ्चसु आयामेषु कृतम् आसीत्: , कोडलेखनं, लघु-खेल-उत्पादनं, गणितं अर्थशास्त्रं च, तथा च तथ्यात्मकज्ञानम् ।

परिणामेषु ज्ञातं यत् o1-पूर्वावलोकनेन प्रोग्रामिंग् तथा गणितीयतर्कक्षमता प्रदर्शिता यत् openai इत्यस्य पूर्वं विमोचितं बृहत् मॉडल् अतिक्रान्तम् । यथा ओ१-पूर्वावलोकनम्सुचारुतया चालितं कोडं लिखितुं क्षमता तथापि जटिलवातावरणेषु स्वयमेव समाधानस्य विषये तर्कं कर्तुं क्षमता। अपि च, परीक्षणप्रक्रियायाः समये संवाददाता अपि अनुभूतवान् यत् o1-पूर्वावलोकनस्य मानवीकरणस्य दृष्ट्या अपि महती उन्नतिः अभवत्, यत् वास्तविकव्यक्तिचिन्तनं दर्शयति। परन्तु नूतनं प्रतिरूपं दोषरहितं नास्ति, तथ्यज्ञानपरीक्षायां च "उल्टा" अभवत् ।

पौराणिकः "स्ट्रॉबेरी" अत्र अस्ति

१२ सितम्बर् दिनाङ्के स्थानीयसमये openai इत्यनेन o1 इति नूतनं मॉडलं प्रकाशितम्, यत् "अनुमान" मॉडल् इत्यस्य प्रथमं संस्करणम् अस्ति यस्य उपयोगं कर्तुं योजना अस्ति एतत् "स्ट्रॉबेरी" मॉडल् अपि अस्ति यस्य कृते उद्योगे अफवाहः अस्ति दीर्घकालः ।

चित्रस्य स्रोतः : x platform

openai कृते o1 मानवसदृशस्य ai इत्यस्य लक्ष्यस्य प्रति अन्यत् सोपानं प्रतिनिधियति । openai इत्यस्य मतं यत् o1 एकं सर्वथा नूतनं क्षमताम् प्रतिनिधियति, यत् एतावत् महत्त्वपूर्णं मन्यते यत् कम्पनी वर्तमान gpt-4 मॉडलात् पुनः आरम्भं कर्तुं निश्चयं कृतवती, "gpt" ब्राण्डिंग् पूर्णतया परित्यज्य 1 इत्यस्मात् नामकरणं कृतवती

openai कथयति यत् वर्तमान gpt-4 मॉडलेन सह पुनः आरभेत, "काउण्टरं 1 ​​प्रति पुनः स्थापयति," अपि च "gpt" ब्राण्डिंग् अपि परित्यजति यत् एतावता chatbots परिभाषितवान् अस्ति तथा च सम्पूर्णं जननात्मक ai उन्मादं च।o1 इत्यनेन एतादृशी व्यवस्था निर्मितवती या विच्छिन्नपदानां श्रृङ्खलायाः माध्यमेन समस्यानां समाधानं सावधानीपूर्वकं तार्किकतया च कर्तुं शक्नोति, प्रत्येकं पदं पूर्वपदस्य आधारेण निर्मितं भवति, यथा मनुष्याः तर्कयन्ति

ओपनएआइ-नगरस्य मुख्यवैज्ञानिकः जाकुब् पचोक्की इत्यनेन उक्तं यत् पूर्ववर्तीनां मॉडल्-समूहानां कृते उपयोक्तृणां पृच्छानां उत्तरं तत्क्षणमेव आरभ्यते इति । "अथ च एतत् प्रतिरूपं (o1 इत्यस्य सन्दर्भं दत्त्वा) स्वसमयं गृह्णाति। समस्यायाः विषये चिन्तयति, तस्याः भङ्गं कर्तुं, कोणं अन्वेष्टुं, उत्तमं उत्तरं दातुं च प्रयतते एतत् यथा अधिकांशजनानां मातापितृभिः कदा पृष्टम् आसीत् ते युवानः आसन्, भवतः वक्तुं पूर्वं चिन्तयतु।

ओपनएआइ इत्यनेन उक्तं यत्,o1 प्रतिस्पर्धात्मकप्रोग्रामिंगसमस्यासु (codeforces) ८९ तमे प्रतिशते, अमेरिकनगणितओलम्पियाड् (aime) योग्यतासु संयुक्तराज्यस्य शीर्ष ५०० छात्रेषु, भौतिकशास्त्र, जीवविज्ञानं, रसायनशास्त्रसमस्यानां (gpqa) सटीकतायां (gpqa) सटीकतायां बेन्चमार्कपरीक्षायां च स्थानं प्राप्नोति यत् मानवीय पीएच.डी。

openai द्वारा प्रकाशितेषु शोध-ब्लॉग-पोस्ट्-मध्ये o1-इत्यस्य अतीव शक्तिशालिनः "तर्क-क्षमता" दृश्यते .भौतिकशास्त्रे जटिलसमस्याः। बहुसंख्याकाः चार्ट्स् तत् दर्शयन्तिआन्तरिकमूल्यांकनेषु o1 इत्यनेन कोडिंग्, गणितं, विभिन्नेषु वैज्ञानिकक्षेत्रेषु च समस्यासु कम्पनीयाः उन्नततमभाषाप्रतिरूपं gpt-4o अतिक्रान्तम्, मनुष्यान् अपि अतिक्रान्तं भवितुम् अर्हति

चित्रस्य स्रोतः : openai आधिकारिकजालस्थलम्

वास्तविकपरीक्षणस्य पञ्च आयामाः : कोडिंग्, गेम उत्पादनं अन्यक्षमता च "आश्चर्यजनकाः", परन्तु तथ्यात्मकज्ञानपरीक्षायां "विफलाः"

o1 मॉडलस्य शक्तिशालिनः क्षमतायाः गहनतया अवगमनार्थं "दैनिक आर्थिकसमाचारस्य" संवाददातारः o1-पूर्वावलोकनप्रतिरूपस्य परीक्षणं पञ्च आयामात् कृतवन्तः: क्लासिक स्ट्रॉबेरी परीक्षणं, कोडलेखनं, लघु-खेल-उत्पादनं, गणितं अर्थशास्त्रं च, तथ्यज्ञानं च।

१) स्ट्रॉबेरी परीक्षण

सर्वप्रथमं संवाददाता सरलप्रश्नस्य उपयोगेन एकं परीक्षणं कृतवान् यत् प्रायः सर्वे बृहत्माडलाः पूर्वं "उल्टाः" अभवन्, अर्थात् "स्ट्रॉबेरीशब्दे कति r's सन्ति?"”. उत्पन्नपरिणामात् न्याय्यं चेत्, o1-पूर्वावलोकनं अद्यापि किञ्चित् आश्चर्यं आनयत् ।

२) संहितालेखनम्

संवाददाता प्रथमं o1-पूर्वावलोकनं ऑनलाइन प्रोग्रामिंग मञ्चे leetcode इत्यत्र प्रसिद्धस्य सरलस्य एल्गोरिदम् प्रश्नस्य विषये पृष्टवान्: two sum (द्वयोः संख्यायोः योगः) समस्या। o1 अतीव विस्तृतं तर्कप्रक्रियाम् उत्तराणि च दत्तवान् ।

ततः संवाददाता जानी-बुझकर उत्तरस्य अनुकूलनं कर्तुं पृष्टवान्, o1 इत्यनेन अवगतं यत् सः यत् प्रदत्तवान् तत् पूर्वमेव इष्टतमं समाधानम् अस्ति, तदतिरिक्तं सः "विचारपूर्वकं" उप-अनुकूलं समाधानम् अपि प्रदत्तवान् संवाददातृभिः अन्येषां आदर्शानां पूर्वपरीक्षासु एते आदर्शाः केवलं क्षमायाचनां कुर्वन्ति स्म ततः उत्तरं उपअनुकूलसमाधानं प्रति परिवर्तयन्ति स्म ।

३) लघुक्रीडानिर्माणम्

o1 मॉडलस्य प्रदर्शने openai इत्यनेन "एकस्मिन् वाक्ये लघुक्रीडां लिखितुं" कार्यं प्रदर्शितम् । परीक्षणप्रक्रियायाः कालखण्डे संवाददाता o1-preview इत्यनेन उपयोगिनो कोडिंग् उपकरणानां परिचये सहायतां कर्तुं पृष्टवान् तथा च पिंग पोङ्ग् क्रीडां लेखने सहायतां कर्तुं।

केवलं o1-preview 19 सेकण्ड् यावत् समयः अभवत् यत् एकं कोडं प्रदातुं शक्नोति यत् सुचारुतया चालयितुं शक्नोति, तथा च अध्ययनमार्गदर्शकं प्रोत्साहनवचनं च संलग्नं कृतवान्, यत् अतीव उपयोक्तृ-अनुकूलम् अस्ति

o1-preview इत्यस्य धोखाधड़ीं निवारयितुं उत्तरं दातुं तर्कक्षमतायाः स्थाने स्मृतिक्षमतायाः उपयोगं कर्तुं च, रिपोर्टरः o1-preview इत्यस्य अपि अनुरोधं कृतवान् यत् कोड रनिंग वातावरणं परिवर्तयितुं शक्यते: jupyter note इदं चालनवातावरणं दत्तांशविश्लेषणार्थं विशेषं पायथन् वातावरणम् अस्ति विकासकाः मूलतः लघुक्रीडाविकासाय एतस्य वातावरणस्य उपयोगं न करिष्यन्ति ।

चिन्तयित्वा o1 इत्यनेन अद्यापि चालयितुं शक्यते इति कोडः दत्तः । परन्तु पूर्वसङ्केतस्य तुलने अस्मिन् उत्तरे बहवः दोषाः सन्ति, परन्तु एतेन अपि ज्ञायते यत् एतत् खलु विचारणीयं उत्तरम् अस्ति, न तु प्रशिक्षणप्रक्रियायाः समये योजितं मानकम् उत्तरम्

o1-preview इत्यस्य अभिनवतर्कक्षमतां अधिकं सत्यापयितुं ततः संवाददाता अस्य लघुक्रीडायाः आधारेण अधिकं जटिलं रोचकं च लघुक्रीडां विकसितुं मॉडलं पृष्टवान्

अस्मिन् समये o1 इत्यस्य प्रदर्शनं वस्तुतः किञ्चित् आश्चर्यजनकम् अस्ति । पिंग पोङ्ग-क्रीडायाः टकराव-तन्त्रस्य आधारेण अयं प्रतिरूपः ऊर्ध्वं कूर्दन-क्रीडां पुनरावृत्तिं करोति । सामान्यतया, अन्येषु बृहत् मॉडलेषु उपयोक्तृभ्यः उत्तमं उत्तरं निर्गन्तुं पूर्वं स्वस्य आवश्यकतानां स्पष्टतया वर्णनं करणीयम् तथापि, रिपोर्टरः अस्मिन् परीक्षणे किमपि अतिरिक्तं संकेतं न दत्तवान् यत् एतत् उत्तरं सुचारुतया चालयितुं शक्नोति तथा च तस्य दृष्टौ पर्याप्तम् अस्ति रिपोर्टर।मजेदारः अल्पः क्रीडा।

४) विज्ञानपरीक्षा

विज्ञानपरीक्षाणां दृष्ट्या संवाददाता गणितशास्त्रे अर्थशास्त्रे च o1-preview इत्यस्य प्रदर्शनस्य परीक्षणं प्रति केन्द्रितः आसीत् ।

प्रथमं संवाददाता गणितीयतर्कप्रश्नं पृष्टवान् ।ओ१-पूर्वावलोकनम्यूलर समीकरणस्य परिमितसमयविस्फोटस्य समाधानस्य सम्भाव्यमार्गाणां विषये पृच्छन्तु (एषः अस्मिन् सप्ताहे एव प्रकाशितः चर्चालेखः प्रसिद्धेन चीनीयगणितज्ञेन फील्ड्स् पदकविजेता च प्रोफेसर टेरेन्स टेरु इत्यनेन प्रकाशितः)।

यद्यपि o1 स्पष्टं समाधानं न ददाति तथापि समस्यायाः समाधानार्थं विचारं ददाति ।एषः विचारः प्रोफेसर ताओ झेक्सुआन् इत्यस्य लेखेन सह आंशिकरूपेण सङ्गतः अस्ति (यद्यपि अत्यल्पः) ।。

अर्थशास्त्रस्य दिशि संवाददाता एकस्य जटिलस्य आर्थिकव्यवस्थायाः विषयस्य विषये o1-preview इति पृष्टवान्। दत्तप्रतिक्रियातः, २.मूलतः कोऽपि बृहत् समस्या नास्ति समग्रतर्कः स्पष्टः अस्ति तथा च चिन्तनपरिमाणाः अपि विविधाः सन्ति यद्यपि दत्तेषु गणितीयसूत्रेषु कतिपयानि लघुदोषाणि सन्ति तथापि समग्रस्थितेः क्षतिं न करोति।。

५) तथ्यज्ञानं भाषाबोधश्च

अस्मिन् सत्रे संवाददाता मिंगवंशस्य प्रथमसम्राटस्य विषये रोचककथानां विषये o1-पूर्वावलोकनं पृष्टवान्, परन्तु o1 आख्यानानां व्याख्यां इतिहासे यथार्थतया घटितानां विषयाणां रूपेण कृतवान्, झू युआन्झाङ्गस्य सम्पूर्णां ऐतिहासिककथां च कथितवान्

तस्मिन् एव काले संवाददाता एतत् प्रश्नं gpt-4o मॉडल् प्रति अपि क्षिप्तवान् तुलनारूपेण gpt-4o रिपोर्टरस्य प्रश्नं सम्यक् अवगन्तुं शक्नोति स्म तथा च व्यापकरूपेण प्रसारितौ लोककथाद्वयं कथयति स्म।

सकलं,openai इत्यस्य दावा यत् o1 मॉडल् मानवस्तरस्य समीपं गन्तुं शक्नोति इति केषुचित् पक्षेषु सत्यं दृश्यते ।。

रिपोर्टरं यत् सर्वाधिकं आश्चर्यचकितं तत् आसीत् यत् openai इत्यनेन उपयोक्त्रे पाठे आदर्शचिन्तनस्य प्रक्रिया दर्शिता पाठचिन्तनस्य प्रक्रियायाः समये बृहत् मॉडल् "अहं करोमि" इति बहु प्रयुक्तवान् ।”"अहं मन्ये" "अहं योजनां करोमि" इत्यादयः शब्दाः अधिकं मानवरूपिणः अनुभूयन्ते, यथा वास्तविकः व्यक्तिः उपयोक्तुः पुरतः स्वस्य चिन्तनतर्कं व्याख्यायते ।

परन्तु अस्य अर्थः न भवति यत् o1 मॉडलः सिद्धः अस्ति ।openai इत्यनेन अपि स्वीकृतं यत् o1 इत्यस्य डिजाइनस्य, लेखनस्य, पाठसम्पादनस्य च दृष्ट्या gpt-4o इत्यस्मात् दूरं न्यूनम् अस्ति ।o1 इत्यस्य जालपुटं ब्राउज् कर्तुं वा सञ्चिकाः चित्राणि च संसाधितुं वा क्षमता अपि नास्ति ।

संवाददातृणां कृते सर्वाधिकं कष्टप्रदं वस्तु अस्ति यत् अत्यन्तं सरलस्य अनुरोधस्य कृते अपि, यथा आउटपुट् परिणामान् चीनीभाषायां परिवर्तयितुं, o1 तस्य विषये चिन्तयन् दशसेकेण्ड् अधिकं व्ययति, यदा तु gpt4o शीघ्रमेव अनुरोधं सम्पादयिष्यति

openai इत्यस्य लाभप्रदक्षेत्रेषु अपि o1 मॉडल् अचानकं कार्यक्षमतायाः अवनतिं अनुभविष्यति तथा च मॉडल् आउटपुट् आलस्यं करिष्यति ।ओपनएआइ इत्यस्य संस्थापकः कर्पाथी यः राजीनामा दत्तवान् सः आक्रोशितवान् यत् "एतत् मम कृते रीमैन् परिकल्पनायाः समाधानं कर्तुं नकारितवान्। आदर्श आलस्यम् अद्यापि प्रमुखा समस्या अस्ति।

openai इत्यनेन उक्तं यत् कम्पनी अनन्तरेषु अद्यतनीकरणेषु एतान् विषयान् सम्बोधयिष्यति, सर्वथा, एतत् केवलं अनुमानप्रतिरूपस्य प्रारम्भिकं पूर्वावलोकनम् एव अस्ति।

दैनिक आर्थिकवार्ता