發(fā)布不到1周，OpenAI強(qiáng)模型o1的護(hù)城河已經(jīng)沒有了。
有人發(fā)現(xiàn)，谷歌DeepMind一篇發(fā)表在8月的論文，揭示原理和o1的工作方式幾乎一致。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
這項(xiàng)研究表明，增加測(cè)試時(shí)（test-time）計(jì)算比擴(kuò)展模型參數(shù)更有效。
基于論文提出的計(jì)算優(yōu)（compute-optimal）測(cè)試時(shí)計(jì)算擴(kuò)展策略，規(guī)模較小的基礎(chǔ)模型在一些任務(wù)上可以超越一個(gè)14倍大的模型。
網(wǎng)友表示：
這幾乎就是o1的原理啊。
眾所周知，奧特曼喜歡領(lǐng)先于谷歌，所以這才是o1搶先發(fā)preview版的原因？
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
有人由此感慨：
確實(shí)正如谷歌自己所說的，沒有人護(hù)城河，也永遠(yuǎn)不會(huì)有人有護(hù)城河。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
就在剛剛，OpenAI將o1-mini的速度提高7倍，每天都能使用50條；o1-preview則提到每周50條。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
計(jì)算量節(jié)省4倍
谷歌DeepMind這篇論文的題目是：優(yōu)化LLM測(cè)試時(shí)計(jì)算比擴(kuò)大模型參數(shù)規(guī)模更高效。
研究團(tuán)隊(duì)從人類的思考模式延伸，既然人面對(duì)復(fù)雜問題時(shí)會(huì)用更長時(shí)間思考改善決策，那么LLM是不是也能如此？
換言之，面對(duì)一個(gè)復(fù)雜任務(wù)時(shí)，是否能讓LLM更有效利用測(cè)試時(shí)的額外計(jì)算以提高準(zhǔn)確性。
此前一些研究已經(jīng)論證，這個(gè)方向確實(shí)可行，不過效果比較有限。
因此該研究想要探明，在使用比較少的額外推理計(jì)算時(shí)，就能能讓模型性能提升多少？
他們?cè)O(shè)計(jì)了一組實(shí)驗(yàn)，使用PaLM2-S*在MATH數(shù)據(jù)集上測(cè)試。
主要分析了兩種方法：
（1）迭代自我修訂：讓模型多次嘗試回答一個(gè)問題，在每次嘗試后進(jìn)行修訂以得到更好的回答。
（2）搜索：在這種方法中，模型生成多個(gè)候選答案。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
可以看到，使用自我修訂方法時(shí)，隨著測(cè)試時(shí)計(jì)算量增加，標(biāo)準(zhǔn)佳N策略（Best-of-N）與計(jì)算優(yōu)擴(kuò)展策略之間的差距逐漸擴(kuò)大。
使用搜索方法，計(jì)算優(yōu)擴(kuò)展策略在初期表現(xiàn)出比較明顯優(yōu)勢(shì)。并在一定情況下，達(dá)到與佳N策略相同效果，計(jì)算量僅為其1/4。
在與預(yù)訓(xùn)練計(jì)算相當(dāng)?shù)腇LOPs匹配評(píng)估中，對(duì)比PaLM 2-S*（使用計(jì)算優(yōu)策略）一個(gè)14倍大的預(yù)訓(xùn)練模型（不進(jìn)行額外推理）。
結(jié)果發(fā)現(xiàn)，使用自我修訂方法時(shí)，當(dāng)推理tokns遠(yuǎn)小于預(yù)訓(xùn)練tokens時(shí)，使用測(cè)試時(shí)計(jì)算策略的效果比預(yù)訓(xùn)練效果更好。但是當(dāng)比率增加，或者在更難的問題上，還是預(yù)訓(xùn)練的效果更好。
也就是說，在兩種情況下，根據(jù)不同測(cè)試時(shí)計(jì)算擴(kuò)展方法是否有效，關(guān)鍵在于提示的難度。
研究還進(jìn)一步比較不同的PRM搜索方法，結(jié)果顯示前向搜索（右）需要更多的計(jì)算量。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
在計(jì)算量較少的情況下，使用計(jì)算優(yōu)策略多可節(jié)省4倍資源。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
對(duì)比OpenAI的o1模型，這篇研究幾乎是給出了相同的結(jié)論。
o1模型學(xué)會(huì)完善自己的思維過程，嘗試不同的策略，并認(rèn)識(shí)到自己的錯(cuò)誤。并且隨著更多的強(qiáng)化學(xué)習(xí)（訓(xùn)練時(shí)計(jì)算）和更多的思考時(shí)間（測(cè)試時(shí)計(jì)算），o1 的性能持續(xù)提高。
不過OpenAI更快一步發(fā)布了模型，而谷歌這邊使用了PaLM2，在Gemini2上還沒有更新的發(fā)布。
網(wǎng)友：護(hù)城河只剩下硬件了？
這樣的新發(fā)現(xiàn)不免讓人想到去年谷歌內(nèi)部文件里提出的觀點(diǎn)：
我們沒有護(hù)城河，OpenAI也沒有。開源模型可以打敗ChatGPT。
如今來看，各家研究速度都很快，誰也不能確保自己始終領(lǐng)先。
唯一的護(hù)城河，或許是硬件。
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
（所以馬斯克哐哐建算力中心？）
有人表示，現(xiàn)在英偉達(dá)直接掌控誰能擁有更多算力。那么如果谷歌/微軟開發(fā)出了效果更好的定制芯片，情況又會(huì)如何呢？
o1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理，大模型光有軟件不存在護(hù)城河
值得一提的是，前段時(shí)間OpenAI首顆芯片曝光，將采用臺(tái)積電先進(jìn)的A16埃米級(jí)工藝，專為Sora視頻應(yīng)用打造。
顯然，大模型戰(zhàn)場(chǎng)，只是卷模型本身已經(jīng)不夠了。
參考鏈接：
https://www.reddit.com/r/singularity/comments/1fhx8ny/deepmind_understands_strawberry_there_is_no_moat/
本文鏈接：http://m.zh1234.com/news42055.htmlo1突發(fā)內(nèi)幕曝光？谷歌更早揭示原理 大模型光有軟件不存在護(hù)城河
