从大语言模型到推理模型。
文丨贺乾明
编辑丨程曼祺 黄俊杰
OpenAI 今年最重要的产品 o1 模型如期发布。AI 更大获利者英伟达的股价两天累计涨了 10%。
消耗更多算力答题的 o1，看到问题会先 “思考” 数十秒、甚至更久，再给出回复。OpenAI 称，它回答奥赛数学题或完成编程任务时，表现远超市场上已有的大模型。
但 OpenAI CEO 山姆·阿尔特曼（Sam Altman）的好心情很快就被打断。在他宣布 o1 全量上线的推文下，排在之一的评论是：“到底什么时候能用上新的语音功能？？” 他立刻反击：“能不能先花几个星期感谢感谢这魔法般的智能，然后再要新玩具？”
这位用户追着阿尔特曼要的不是什么新玩具，是 OpenAI 在今年 5 月就允诺即将到来的 GPT-4o 端到端语音功能。在当时的现场演示中，这个新的 AI 声音自然、反应极快，还知道什么时候插话，让旁人难辨真假。按官方时间表，上千万 ChatGPT 付费用户本将在几周内用上这功能，但一直被跳票到现在。
过去一年里，OpenAI 的产品都是类似的 “期货”：GPT-4 已上线一年多，OpenAI 的下一代模型 GPT-5 依然没有发布迹象。OpenAI 今年初发布的视频模型 Sora 也没有大规模开放，到现在都只有少数被他们挑选的行业人士实际用过。
行业之一的跳票一次次磨损着资本市场对 AI 大模型的耐心。一些中国科技巨头和大模型公司今年年中暂缓训练基础模型，把更多资源投到应用开发，或把 GPU 算力租给外部客户。他们担心技术没多少进步空间，开始减少投入、争取回报。
本周之前，英伟达市值从 6 月的高点下跌超 20%，微软市值也缩水了 13%，各自蒸发了几千亿美元。微软 CFO 称，他们投在大模型领域的数百亿美元，得等 15 年或更久才能回本。
红杉的研究显示，去年 AI 领域的投入比收入多了 1200 多亿美元，今年可能会扩大到 5000 亿美元。但除了英伟达，没有几个公司见到大比例的收入增长。越来越多业内人开始讨论，如果大模型的能力就到此为止，AI 泡沫会不会又一次破灭？
“泡沫” 并不一定是坏事。新技术改变世界之前，都会出现愿景远超现实的阶段。区别在于愿景能不能兑现，什么时候兑现。如果长期不能兑现，就是泡沫破灭、公司破产，严重的泡沫破灭甚至可以击垮一个领域甚至多个经济体。如果愿景兑现了，一切不过是技术进步的注脚。
OpenAI 发布的 o1，至少会暂时扭转大模型已经没有进步空间的犹疑，为大模型 “泡沫” 续命。
任何新技术都需要不断进步，才有可能改变这个世界。o1 的独特之处不只是编程、数学、物理等领域的性能大幅提升，也在于给一众 OpenAI 追随者和他们背后的投资者找到了前进的路径：以往算力更多用在 “记忆知识”——用大量数据训练模型，o1 则分配了更多算力在 “答题时的思考”，即推理过程，逻辑能力大幅提升。
在此之前，大模型训练已经陷入原有 Scaling Laws 的瓶颈，模型参数规模扩大后，性能提升逐渐放缓。
专门针对数学、编程、科学问题优化的 o1-mini 还展现出了不小的应用潜力，它既可以直接帮科学家和开发者提升工作效率，也指示了在其它高价值垂直领域开发性能、安全性都更好的模型的 *** 。
像往常的数次发布一样，OpenAI 精心挑选了释放 o1 的时机。据媒体报道，o1 发布前，OpenAI 正在以 1500 亿美元估值寻求 70 亿美元的新融资，潜在投资方包括苹果、英伟达、微软、阿联酋投资基金等。现在，这场资源投入竞赛又多了一个持续下去的理由。
从大语言模型到 “推理模型”，o1 理强文弱
此次 OpenAI 发布了两个供用户使用的模型：o1-preview 和 o1-mini，并预告更多 o1 系列模型正在路上。
之所以将该系列命名为 o1，而非沿用 GPT，是因为二者的训练方式有明显变化。在 OpenAI 介绍 o1 的博客文章里，多次称其为推理模型（reasoning model），而非此前称呼 GPT 时常用的大语言模型（Large Language Model）。
GPT 等传统大语言模型的整体训练逻辑是预训练（pre-training）加精调（fine-tuning）：先在预训练阶段用海量数据教大模型学会预测下一个词，然后在精调阶段让大模型学习特定领域的知识，让人类写回答教大模型什么是人想要的答案，机器根据反馈来改进。
o1 的新关键词是强化学习（Reinforcement Learning）和思维链（Chain of Thought，CoT）。
OpenAI 如此描述这个过程：“通过强化学习，o1 学会如何磨练自己的思维链，并完善它所使用的策略。它学会了识别和纠正自己的错误；将复杂步骤分解为更简单的步骤；在当前 *** 不起作用时尝试不同的 *** 。这极大地提高了模型的推理能力。”
2016 年击败围棋世界冠军的 AlphaGo 和后续模型 AlphaZero 就使用了强化学习，让模型自我对弈（self-play），学习在不同状态（棋局）下，用什么策略可以提高胜率。模型还能在不断尝试中生成数据，用来训练模型。
OpenAI o1 使用了类似的 *** ：给大模型提供一步步解题的数据，让模型学着自我纠偏，学习每个步骤应该怎么回答问题能得到更优答案。
“AI 模型的能力还是来自数据，若数据里原本没有或不充分的东西，模型是学不会的，o1 相当于实现了一个合成专业数据的办法。有了这些专业数据， o1 就能学到专业能力了。” 硅基流动创始人袁进辉说。
o1 回答问题时也会把问题拆解成一系列小问题，逐步推理回答，这就是 “思维链”。根据 OpenAI 展示，o1 回答问题的过程如下（用户使用的版本里，OpenAI 隐藏了思维链内容）：
问题（原文为英语）：
编写一个 bash 脚本，接收一个矩阵（用字符串表示，格式为 '[1,2],[3,4],[5,6]'），并以相同的格式打印出该矩阵的转置。
o1-preview 的解题思路（思维链）：
用户请求编写一个 bash 脚本，该脚本可以接收表示矩阵的字符串，例如 '[1,2],[3,4],[5,6]'，并以相同的格式输出其转置。
我们首先来理解输入和输出的格式。
输入：'[1,2],[3,4],[5,6]'，它对应的矩阵是：
1 2
3 4
5 6
因此，输入是一系列由方括号包裹并用逗号分隔的行。
该矩阵的转置为：
1 3 5
2 4 6
因此，要求的输出为 '[1,3,5],[2,4,6]'。
总体任务：
编写一个 bash 脚本，该脚本接收一个参数（表示矩阵的字符串），并以相同的格式输出其转置。
好的，现在我们来考虑如何在 bash 中解析输入字符串，构建矩阵（可能使用数组），进行转置，然后输出转置后的矩阵，保持相同的格式。
约束条件：
-由于这是 bash，我们必须小心处理字符串解析。
-脚本应接受输入字符串作为参数。
*** ：
-解析输入字符串以提取矩阵元素。
-将矩阵构建为一个数组的数组。
-对矩阵进行转置。
-以相同格式输出转置后的矩阵。
实现步骤：
1. 将输入字符串作为参数捕获。
2. 移除所有空格（如果有的话）。
3. 解析输入字符串，将数字提取到数组中。
-由于输入格式为 '[1,2],[3,4],[5,6]'，我们可以：
--如果需要，移除外部括号。
--通过 '],' 分割字符串以获取每一行。
--对每一行，移除 '[' 和 ']'，然后通过 ',' 分割获取元素。
4. 在 bash 中构建二维数组（数组的数组）。
-由于 bash 数组是一维的，我们需要模拟二维数组。
5. 对矩阵进行转置。
-进行转置时，我们需要将行与列交换。
6. 以所需格式输出转置后的矩阵。
-重新构造输出字符串，格式为 '[1,3,5],[2,4,6]'。
现在，逐步开始编写代码。
潜在问题：
-Bash 本身没有原生的多维数组，因此我们需要进行模拟。
-我们需要处理可能是多位数的数字。
接下来，我们可以一步步开始编写这个 bash 脚本的框架。
【略】
现在让我们使用示例输入 '[1,2],[3,4],[5,6]' 测试这个脚本。
让我试着模拟下，会发生什么。
我会将其写下来，作为一个答案。
不论是强化学习还是思维链，都不是 OpenAI 更先提出的技术方向。
在 o1 上线前，Google DeepMind 就在 7 月发布了用类似 *** 训练的 AlphaGeometry 模型更新版，能在国际奥数竞赛 IMO 中拿银牌。
但 OpenAI 再一次证明了他们可以在行业基础上，率先拿出效果更惊人的模型。据 OpenAI 介绍，他们专为国际信息学奥赛训练的 o1-ioi 模型能拿到金牌。
凭借新的训练和推理 *** ，OpenAI o1-preview 解决高难度数学题、处理编程任务方面大幅超过 GPT-4o。比如在竞赛数学数据集 AIME 2024 上，o1-preview 得分是 GPT-4o 的 4 倍多；在编程竞赛数据集 Codeforces 上，差距变成 5.6 倍。
在数学竞赛、编程竞赛、科学问答数据集测试中，o1-preview、o1 大幅超过 GPT-4o。
OpenAI 称，目前 *** 上线的 OpenAI o1-preview 和 OpenAI o1-mini 只是早期版本，他们的下一个模型，在物理、化学、生物等有挑战的测试题中，表现与博士生类似，而此前的模型大多是本科生或硕士生水平。
把技术变成现实，OpenAI 提到的贡献者有 212 人，与 GPT-4o 的文本部分的贡献者相当（234 人）。但训练 o1 需要的数据种类变多了。OpenAI 提到，o1 预训练用到的数据来自公开数据集、合作伙伴的专有数据和内部开发的自定义数据集，而 GPT-4o 掌握文本能力时，只用了前两种数据。
偏向 “推理模型” 的 o1 系列并没有全面超过 GPT-4o，语言能力是它的相对弱项。
在 OpenAI 的测试中，大多人认为 o1-preview 在数据分析、编程和数学等看重推理的问题解答上比 GPT-4o 更好，而在个人写作、文本编辑等方面，依然是 GPT-4o 更好。
那些 GPT-4o 解决不了的问题，o1-preview 也会出现，比如它同样会 “胡说八道”，认为 9.11 比 9.2 更大。
个人写作、文本编辑等方面，GPT-4o 更好。
思维链带来的更长的响应时间（思考）可能是 o1 系列实际使用中的短板。在被要求 “列出五个第三个字母是 A 的国家的名字” 时，GPT-4o 只用 3 秒，而 o1-mini 花了 9 秒，o1-preview 花了 32 秒，是 GPT-4o 的十倍。对于简单问题基本不可用。
o1-preview 和 mini 暂时也不像 GPT-4o 那样具备浏览网页、获取信息，和处理上传的文件、图片等功能。目前看起来能最快能用 o1 提升生产力的是软件开发者，但 OpenAI 也限制了他们调用 API 的方式：每分钟只能调用 20 次，不包括函数调用、流式传输、系统消息支持等功能。
从训练 Scaling 到推理 Scaling，算力竞赛仍将继续
在多位大模型研究者看来，o1 最重要的变化是展现出了一种大幅提升大模型能力的新路径。
原来的 Scaling Laws 意味着，用更多数据和算力训练出参数更大的模型，性能就会更好。
而如下图， o1 展现出，让模型花更多时间、更多算力回答问题（test-time compute），性能也会持续提升。英伟达资深 AI 科学家 Jim Fan 在社交媒体上说，这可能是自 2022 年 DeepMind 提出 Chinchill Scaling Laws（原版 Scaling Laws 上的一个优化）以来，大模型研究中最重要的一张图。
Jim Fan 还提出了大模型未来演进的一种可能：未来的模型可能将推理与知识分离，有小的 “推理核心”，同时也用大量参数来记忆事实（知识），以便在琐事问答等测试中表现出色。
OpenAI 也在介绍 o1 的文章中特意提到，他们会继续开发 GPT 系列的模型。这可能预示，OpenAI 会把 o1 中使用的 *** 引入到下一代 GPT 模型中。
不管是 o1 成为新的主流 *** ，还是 o1 与 GPT 系列结合，演化出下一代大模型，算力需求应该都会进一步提升。
OpenAI 未公开 o1 系列的推理成本，但从 o1 模型回答问题的时长和 OpenAI 对 o1 的使用限制可以推测，o1 相比 GPT 系列需要庞大得多的推理算力资源。
每月花 20 美元的 ChatGPT Plus 付费用户，目前每周只能用 30 次 o1-preview 和 50 次 o1-mini。而目前 GPT-4o 的限制是每周 4480 次（每 3 小时 80 次），是 o1-mini 的 90 倍，o1-preview 的 150 倍。
o1-preview 回答问题的时间从 GPT 系列模型的秒级增加到了数十秒、甚至更久。它回答问题时处理的文本量也大幅提升。以文中展示 “思维链” 过程时列举的编程问题为例，o1 解答时，加上思维链，处理的字符有 6632 个，是 GPT-4o 的 4.2 倍 。更长的计算时间和更长的输出都意味着更高的算力成本。
o1 对 AI 前景和算力消费的 *** 很快反映在资本市场。自本周初有媒体报道 OpenAI 即将发布新模型后，英伟达股价累计回升 10%，微软也一起上涨。
对于那些不确定技术演进方向或者一度放缓研究基础模型的公司，现在又有新工作可以做，有新方向可以卷了。o1 的发布大概率意味着，在 “推理模型” 上，竞争差距再一次拉开，一轮加速追赶和投入即将发生。
“是时候正经干点正事了，要不真的就不在游戏里了。” 一位中国大模型研究者说。
题图：视觉中国
查看原图 138K
发表评论