Post #397866 9 Sep 23, 2024, 06:08 UTC OpenAI o1 self-play RL 技术路线推演via 知乎每日精选 (author: 知乎用户(登录查看详情)) Telegraph OpenAI o1 self-play RL 技术路线推演 OpenAI的self-play RL新模型o1最近交卷,直接引爆了关于对于self-play的讨论。在数理推理领域获得了傲人的成绩,同时提出了train-time compute和test-time compute两个全新的RL scaling law。作为领域博主,在时效性方面肯定卷不过其他营销号了,所以这次准备了大概一万字的内容,彻底深入分析并推演一遍其中的相关技术细节。 o1,而今迈步从头越 首先要说一下,o1是一个多模态模型,很多人包括 Jim Fan 都忽略了这一点: 因此他继续叫做o,作为…