专题：OpenAI开启12天狂欢

　　起首：华尔街见闻

　　OpenAI扣问员演示，强化微调后的o1 mini测试通过率以致比郑再版o1高24%，比未强化微调的o1 mini普及了82%。

　　OpenAI相连12天“王炸”的第二弹来了。不同于第一日聚焦东谈主工智能（AI）模子，第二日的王炸专注于作事企业等组织的一款新功能，诚然看起来不太侧重于通俗粉碎者，但据先容它以致不错通俗版推理模子o1 mini的铁心进步本周四发布的郑再版o1、即所谓满血o1。

　　好意思东时刻12月6日周五，OpenAI在酬酢媒体X公布第二日行径的主题是新功能“强化微调”（Reinforcement Fine-Tuning）。这个主题是指，企业组织将省略通过“强化微调”微调o1 mini，振作他们的特定需求。

　　OpenAI CEO Sam Altman在X发帖称，强化微调的铁心颠倒棒，是他本年最大的惊喜之一，期待看到大众利用这种功能的创造。

　　OpenAI的扣问员本周五先容，科学家、征战东谈主员和扣问东谈主员不错凭证我方的数据、而不是只是使用公开可用的数据，量身定制OpenAI的精深推理模子o1。不同业业的东谈主不错使用强化学习来创建基于 o1 的大家模子，从而普及该界限的合座专科常识水平。征战者、扣问者和机器学习工程师将初度能讹诈强化学习，打造在耀眼他们各自专科界限的大家模子。

　　OpenAI的扣问员称，强化微调并不是单单教模子模子输出，它的运作容貌是，当模子发现一个问题的时候，扣问者给模子空间区仔细想考这个问题，然后评估模子给出的最终解答，讹诈强化学习，扣问者不错强化产生正确谜底的想路，遏止产生造作谜底的想路，只需要“几十个例子”（a few dozen examples）、以致12个例子，模子就能以有用的新容貌学习特定界限的推理。

　　通过强化学习，用户不错用大模子在特定数据上西宾其他模子。这关于触及到多半数据的复杂界限或需要大家界限常识的新扣问颠倒有用。扣问者例如称，最近和汤森路透配合，讹诈强化微调微调o1 mini，让充任法务助理，匡助他们的法律专科东谈主士完成大部分分析责任流。

　　OpenAI称，OpenAI的定制模子平台将复旧强化学习，强化学习亦然OpenAI里面用于西宾自家前沿模子的技巧，如GPT-4o和o1系列模子。在OpenAi的内测中，强化微调依然在生弃世学、安全、法律和医疗保健界限取得告捷。OpenAI蓄意，2025年头让强化微调面向公众发布，咫尺已对企业、大学和扣问院绽放请求测试通谈。

　　伯克利大学疏远遗传病扣问员 Justin Reese参与了OpenAI本周五对o1 mini模子的现场演示。演示中，扣问者试图从样本数据池中赢得可能导致疾病的模子 ID 基因。

　　扣问员展示了一个评估表，下图可见，第一瞥是本周四OpenAI发布的郑再版o1测评阐扬，第二行是o1 mini的测评铁心 ，第三行铁心来自经由最终强化微调的o1 mini。扣问员进行了三类评估，其中，top @1是测试模子给出的正确谜底出咫尺方表最前方中的概率，top@5是正确谜底出咫尺前五列的概率，top@max是谜底出咫尺总计正确谜底列表的概率。

　　如图所示，郑再版o1的测试通过率为25%，o1 mini为17%，而强化微调后的o1 mini尽然达到31%，进步了郑再版o1，比郑再版o1的测评铁心高24%，并且比拟未强化微调前，微调后的铁心普及了82.3%。

　　据OpenAI所说，用户不错详尽讹诈o1、微谐和数据创建定制的微型 o1模子 o1 mini。用户要作念的即是提供数据，然后在强化微调方面，配置一个数据集和一个“评分器”，凭证西宾和考据数据集评估模子的性能，其他责任交给OpenAI。

　　风险教导及免责要求

　　阛阓有风险，投资需严慎。本文不组成个东谈主投资提议，也未磋商到个别用户非凡的投资主义、财务现象或需要。用户应试虑本文中的任何成见、不雅点或论断是否合适其特定现象。据此投资，株连自夸。

海量资讯、精确解读，尽在新浪财经APP

株连剪辑：陈钰嘉 云开体育