Andrew and Colin Javis introduce OpenAI's o1 model, which uses extra thinking time to improve reasoning. It excels at math, coding, and complex logic, and works well in agent workflows where larger models plan and smaller ones execute.
Ich freue mich, euch Reasoning with vorzustellen.
Das in Zusammenarbeit mit OpenAI entwickelt und von Colin Javis, dem Leiter des Bereichs Key Lösungen bei OpenAI, unterrichtet wird.
Willkommen, Colin. Danke, Andrew. In diesem kurzen Kurs lernst du, wie.
Du das neue Modell von OpenAI am besten verwendest.
Und nutzt.
Es stellt einen großen Durchbruch auf dem.
Weg dar, Modelle zum Denken zu bringen. Colin wird die neuen Best Practices für die Verwendung vorstellen, die sich etwas von früheren lms unterscheiden. Bis vor kurzem haben LM Forscher herausgefunden.
Dass sie die Leistung skalieren können, indem.
Sie die Anzahl der Parameter oder die Anzahl der im Training verwendeten Token erhöhen.
Nun hat OpenAI eine dritte Skalierungsdimension eröffnet.
Und zwar mit dem sogenannten Test Time Compute. Test Time Compute gibt dem Kind mehr Zeit zum Nachdenken zur Inferenzzeit. Dies hat zu einem Modell mit bemerkenswerten.
Verbesserungen bei MINT und Argumentationsaufgaben geführt. Beispielsweise löste UPO bei einer Qualifikationsprüfung für die Internationale Mathematik Olympiade nur 13 Prozent der Aufgaben richtig, während das Argumentationsmodell 83 Prozent erreichte.
Colin kann dir mehr darüber erzählen. Colin ist seit der Einführung von Chat GPT bei OpenAI und hat Nutzern wie Ihnen geholfen, OpenAI Modelle erfolgreich in ihren Anwendungen zu verwenden. Bei OpenAI haben wir festgestellt, dass ein Modell, das mit Hilfe von Reinforcement Learning auf die Verwendung von Denkketten trainiert wurde, besser mit schlussfolgerungsintensiven Aufgaben zurechtkommt.
Ein auf diese Weise trainiertes Modell übertrifft. GVD-40 bei mathematischem Code deutlich. ING und schlussfolgerungsbezogene Aufgaben, ist jedoch nicht für alle Aufgaben das richtige Modell und Prompting unterscheidet sich von früheren Modellen. In diesem Kurs erfahren Sie, wie Sie 1 Uhr nachts besten verwenden.
Das Lernen Sie.
In der ersten Lektion werden die technischen.
Kernideen hinter der Entwicklung von erläutert, insbesondere.
Wie die Skalierung zur Inferenzzeit funktioniert, welche Anwendungsfälle sie ermöglicht und wo Entwickler diese Modelle in der Praxis am besten einsetzen.
In der nächsten Lektion erfahren Sie, wie.
Sie 1 Uhr nachts besten verwenden.
Als nächstes stellt sich heraus, dass in.
Agentenbasierten Workflows sehr gut funktioniert.
Sie erfahren, wie sie verwenden, um komplexe.
Mehrstufige Probleme mit Planung zu lösen. Sie verwenden Kombinationen von Modellen, indem sie die größere Intelligenz von für die Planung und schnellere, kostengünstigere Modelle wie GD für die Aufgabenausführung nutzen. Danach verwenden Sie, um etwas zu programmieren. Ist tatsächlich sehr gut beim Programmieren. Und dann probieren Sie eine richtig coole neue Funktion aus, auf die wir uns.
Riesig freuen, nämlich das Schlussfolgern mit Bildern. Das Verstehen von Bildern war in der.
Produktion schon immer schwierig, aber durch die Kombination von und den Schlussfolgern mit Bildern haben wir unserer Meinung nach ein neues Leistungsniveau erreicht. Und schließlich werden wir mit der Verwendung von abschließen, um Ihre Eingabeaufforderungen zu generieren und zu verbessern.
Eine Technik, die wir metapa Eingabeaufforderung nennen. Das sind viele neue LM Techniken.
Dies ist eine neue Richtung für OM, die sich darauf auswirken wird, wie Sie.
Sie in Zukunft verwenden.
Ich denke, Sie werden diesen Kurs wirklich wichtig finden.
