O1-MINI : STEM 및 추론을위한 게임 변화 모델

OpenAI는 STEM 과목에 중점을 둔 비용 효율적인 추론 모델 인 O1-MINI를 소개합니다. 이 모델은 다양한 평가 벤치 마크에서 전임자 OpenAi O1과 밀접하게 비슷한 수학 및 코딩의 인상적인 성능을 보여줍니다. Openai는 O1-MINI가 광범위한 글로벌 지식없이 추론 기능을 요구하는 응용 프로그램에 신속하고 경제적 인 솔루션으로 사용될 것으로 예상합니다. O1-MINI의 출시는 Tier 5 API 사용자를 대상으로하며 Openai O1-Preview에 비해 80% 비용 절감을 제공합니다. O1 Mini의 작동을 더 깊이 살펴 보겠습니다.

개요

• Openai의 O1-Mini는 비용 효율적인 STEM 추론 모델로 동료보다 성능이 우수합니다.
• 전문 교육을 통해 O1-Mini는 STEM 전문가가되어 수학 및 코딩에서 탁월합니다.
• 인간의 평가는 O1-Mini의 추론 강점을 보여 주어 GPT-4O보다 유리합니다.
• 안전 조치는 탈옥 견고성을 강화하면서 O1-MINI의 책임감있는 용도를 보장합니다.
• O1-MINI를 통한 OpenAi의 혁신은 신뢰할 수 있고 투명한 STEM 도구를 제공합니다.

목차

• O1-MINI vs 기타 LLM
• GPT 4O 대 O1 대 O1- 미니
• O1-Mini를 사용하는 방법?
• O1-Mini의 훌륭한 성능 : 수학, 코딩 및 그 이상
  • 수학
  • 코딩
  • 줄기
  • 인간 선호도 평가
• O1-MINI의 안전성 구성 요소
• 끝 참고

O1-MINI vs 기타 LLM

LLM은 일반적으로 큰 텍스트 데이터 세트에서 미리 훈련됩니다. 그러나 여기에 캐치가 있습니다. 그들은이 방대한 지식을 가지고 있지만 때로는 약간의 부담이 될 수 있습니다. 알다시피,이 모든 정보는 실제 시나리오에서 사용하는 데 약간 느리고 비용이 많이 듭니다.

다른 LLM과 O1-MINI를 분리하는 것은 STEM을 위해 훈련을 받았다는 사실입니다. 이 전문 교육은 O1-Mini가 STEM 관련 작업 전문가가됩니다. 이 모델은 효율적이고 비용 효율적이며 STEM 응용 프로그램에 적합합니다. 특히 수학 및 코딩에서 성능이 인상적입니다. O1-MINI는 STEM 추론의 속도와 정확도에 최적화되었습니다. 연구원과 교육자에게 귀중한 도구입니다.

O1-MINI는 지능 및 추론 벤치 마크에서 탁월하고 O1- 프리뷰 및 O1을 능가하지만 비 스템 사실 지식 작업으로 어려움을 겪고 있습니다.

또한 읽기 : O1 : 힘든 문제에 대답하기 전에 '생각하는'OpenAi의 새로운 모델

GPT 4O 대 O1 대 O1- 미니

단어 추론 질문에 대한 응답의 비교는 성능 불균형을 강조합니다. GPT-4O가 어려움을 겪는 동안 O1-MINI와 O1- 프리뷰는 정확한 답변을 제공했습니다. 특히 O1-Mini의 속도는 놀랍고 약 3-5 배 더 빠르게 응답했습니다.

O1-Mini를 사용하는 방법?

• Chatgpt Plus 및 팀 사용자 : 오늘 모델 피커에서 O1-Mini에 액세스하고 매주 50 개의 메시지가 있습니다.
• Chatgpt Enterprise 및 Education 사용자 : 다음 주에 두 모델에 대한 액세스가 시작됩니다.
• 개발자 : API Tier 5 사용자는 오늘날 이러한 모델을 실험 할 수 있지만 기능 호출 및 스트리밍과 같은 기능은 아직 사용할 수 없습니다.
• Chatgpt 무료 사용자 : O1-MINI는 곧 모든 무료 사용자가 사용할 수 있습니다.

O1-Mini의 훌륭한 성능 : 수학, 코딩 및 그 이상

OpenAi O1-Mini 모델은 다양한 경쟁과 벤치 마크에서 테스트를 시작했으며 그 성능은 매우 인상적입니다. 다른 구성 요소를 하나씩 살펴 보겠습니다.

수학

고등학교 AIME 수학 대회에서 O1-MINI는 70.0%를 기록했으며, 이는 더 비싼 O1 모델 (74.4%)과 동등하며 O1- 프리뷰 (44.6%)보다 훨씬 우수합니다. 이 점수는 O1-Mini를 상위 500 명의 미국 고등학생 중 하나이며 놀라운 성과입니다.

코딩

코딩으로 넘어 가면서 O1-Mini는 Codeforces 경쟁 웹 사이트에서 1650 년의 ELO 점수를 달성합니다.이 점수는 O1 (1673)과 경쟁하고 O1-PREVIEW (1258)를 능가합니다. 이것은 Codeforces 플랫폼에서 경쟁하는 프로그래머의 86 번째 백분위 수에 O1-Mini를 배치합니다. 또한 O1-MINI는 HumaneVal 코딩 벤치 마크 및 고등학교 수준의 사이버 보안 캡처 플래그 챌린지 (CTF)에서 잘 수행되어 코딩 능력을 더욱 강화합니다.

줄기

O1-Mini는 강력한 추론 기술이 필요한 다양한 학문적 벤치 마크에서 미틀을 입증했습니다. GPQA (Science) 및 MATH-500과 같은 벤치 마크에서 O1-MINI는 GPT-4O를 능가하여 STEM 관련 작업에서 우수성을 보여줍니다. 그러나 MMLU와 같은 광범위한 지식이 필요한 작업과 관련하여 O1-MINI는 GPT-4O뿐만 아니라 수행되지 않을 수 있습니다. 이는 O1-Mini가 줄기 추론에 최적화되어 있고 GPT-4O가 보유하고있는 광범위한 세계 지식이 부족할 수 있기 때문입니다.

인간 선호도 평가

인간 평가자는 다양한 영역에서 도전적인 프롬프트에 대한 GPT-4O와 O1-MINI의 성능을 적극적으로 비교했습니다. 결과는 추론이 많은 도메인에서 O1-MINI에 대한 선호도를 보여 주었지만 GPT-4O는 언어 중심 영역에서 주도권을 잡아 다른 상황에서 모델의 강점을 강조했습니다.

O1-MINI의 안전성 구성 요소

O1-MINI 모델의 안전성과 정렬은 책임감 있고 윤리적 인 사용을 보장하는 데 가장 중요합니다. 구현 된 안전 조치에 대한 설명은 다음과 같습니다.

• 훈련 기술 : O1-MINI의 교육 접근 방식은 정렬 및 안전에 중점을 둔 전임자 O1- 프리뷰의 것과 반영됩니다. 이 전략은 모델의 출력이 인간의 가치와 일치하고 개발의 중요한 측면 인 잠재적 위험을 완화하도록합니다.
• 탈옥 견고성 : O1-MINI의 주요 안전 기능 중 하나는 강화 된 탈옥 견고성입니다. O1-Mini는 StrongReject DataSet의 내부 버전에서 GPT-4O에 비해 59% 더 높은 탈옥 견고성을 보여줍니다. 탈옥 견고성은 모델이 출력을 조작하거나 오용하려는 시도에 저항하는 능력을 말해서 의도 된 목적과 일치하는 상태를 유지합니다.
• 안전 평가 : O1-MINI를 배치하기 전에 철저한 안전 평가가 수행되었습니다. 이 평가는 준비 조치, 외부 적색 팀 밍 및 포괄적 인 안전 평가를 포함하여 O1- 프리뷰에 사용 된 것과 동일한 접근법을 따랐습니다. 외부 레드 팀은 독립적 인 전문가를 참여시키기 위해 잠재적 인 취약점과 보안 위험을 식별합니다.
• 자세한 결과 : 이러한 안전 평가 결과는 함께 제공되는 시스템 카드에 게시됩니다. 이러한 투명성을 통해 사용자와 연구원은 모델의 안전 조치를 이해하고 사용에 대한 정보에 근거한 결정을 내릴 수 있습니다. 시스템 카드는 모델의 성능, 한계 및 잠재적 위험에 대한 통찰력을 제공하여 책임있는 배포 및 사용을 보장합니다.

끝 참고

OpenAi의 O1-Mini는 STEM 응용 프로그램의 게임 체인저로 비용 효율성과 인상적인 성능을 제공합니다. 전문 교육은 특히 수학 및 코딩에서 추론 능력을 향상시킵니다. 강력한 안전 조치로 O1-MINI는 STEM 벤치 마크에서 뛰어나 연구원과 교육자에게 신뢰할 수 있고 투명한 도구를 제공합니다.

O1 Mini의 사용에 대해 더 많이 알기 위해 분석 Vidhya 블로그를 계속 지켜봐 주시기 바랍니다!

위 내용은 O1-MINI : STEM 및 추론을위한 게임 변화 모델의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!