【中英字幕】 10月2日，OpenAI的Noam Brown及其团队谈论了o1以及如何教大语言模型更好地推理｜红杉｜深度强化学习｜2024.10.02

[视频作者] 小林AI社区

[视频时长] 45:23

[视频类型] 计算机技术

将大型语言模型（LLM）与AlphaGo风格的深度强化学习相结合，一直是许多顶尖AI实验室的圣杯。随着o1（又称Strawberry）的推出，我们看到了迄今为止最广泛的两种模式的融合。尽管o1在写作方面不如数学能力强，但它已经在多个数学、编程和推理基准测试中达到了最新的SOTA（最先进技术）。 深度强化学习传奇人物、现OpenAI研究员Noam Brown，以及队友Ilge Akkaya和Hunter Lightman讨论了他们在o1发布过程中的一些关键时刻，o1如何使用思维链和回溯来解决问题，发现了强