OpenAI發(fā)布劃時代o3模型，AGI評測突破87.5%！顛覆AI懷疑論者的游戲規(guī)則！

原標題：重磅！OpenAI推出o3模型系列：徹底顛覆AI懷疑論者，AGI評測基準達到驚人87.5%
文章來源：人工智能學家
內容字數(shù)：7934字

OpenAI推出o3模型系列及其測試表現(xiàn)

OpenAI近期發(fā)布了o3模型系列，涵蓋o3、o3mini及其不同計算力版本。o3在ARC-AGI（通用人工智能評估基準）測試中取得了87.5%的高分，超越了人類的85%。這一成績引起了廣泛關注，ARC-AGI創(chuàng)始人指出，o3在適應新任務方面確實取得了重要突破。

低計算模式與高計算模式的表現(xiàn)

在低計算模式下，o3的得分為75.7%，而在高計算模式下則高達87.5%。盡管高成本的計算模式提供了更強的能力，但仍有一些ARC-AGI-1任務是o3無法解決的，ARC-AGI-2則對o3構成了更大的挑戰(zhàn)。這表明，盡管o3在某些任務上表現(xiàn)優(yōu)異，但仍未達到真正的AGI水平。

ARC-AGI基準的飽和現(xiàn)象

ARC-AGI基準的第一個版本已經開始出現(xiàn)飽和現(xiàn)象，預計在明年的Kaggle競賽中，參賽者的平均得分將達到81%。未來的ARC-AGI-2版本將減少容易被的任務，挑戰(zhàn)性將大幅提升。

o3的技術擴展瓶頸

未來AGI研究的關鍵在于理解o3背后技術的擴展瓶頸。如果人類標注的CoT數(shù)據(jù)成為主要瓶頸，o3的能力可能會迅速達到頂峰。對o3在高計算設置下無法解決的任務進行分析對于評估其優(yōu)勢與局限性至關重要。

o3在其他基準測試中的表現(xiàn)

除了ARC-AGI，o3在其他技術基準如EpochAI陶哲軒認證、AIME和GPQA-Diamond中也表現(xiàn)出色。在AIME 2024中，o3獲得了96.7%的分數(shù)，僅錯過一個問題，而在GPQA Diamond上則獲得了87.7%的分數(shù)，遠超人類專家的表現(xiàn)。

未來展望

OpenAI正在積極招募安全研究員參與o3-mini和o3的測試。未來知識庫平臺也將持續(xù)更新前沿科技研究資料，助力對AGI及其相關領域的深入理解。

總體來看，o3模型系列的推出標志著人工智能研究的一個重要里程碑，但仍需繼續(xù)努力以實現(xiàn)通用人工智能的真正目標。

聯(lián)系作者

文章來源：人工智能學家
作者微信：
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構