家东谈主们，国产 o1 大模子，最近简直是有焚烧啊。
就在今天，昆仑万维的Skywork o1也开启了邀测。
那一波实测，这不就得安排一下么。
雷同 o1 模子最大的特质就是其强悍的推闪耀力，因此，咱们径直上一齐AIME 数学竞赛题，望望够不够"开门"。
（AIME：好意思国数学邀请赛，是介于 AMC10、AMC12 及好意思国数学奥林匹克竞赛之间的一个数学竞赛。）
题目翻译过来是这么的：
每天清早，Aya 会进行一段长度为 9 公里的散播，然后在一家咖啡店停留。当她以每小时 s 公里的恒定速率行交运，通盘散播加上在咖啡店停留的时候一共需要 4 小时，其中包含在咖啡店停留的 t 分钟。当她以 s+2 公里每小时的速率行交运，通盘进程（包括在咖啡店停留的时候）需要 2 小时 24 分钟。
假定 Aya 以 s+1/2 公里每小时的速率行走，求她在这种情况下（包括在咖啡店停留的时候）的总时候（以分钟为单元）。
障碍滑动检察统统本色：
从 Skywork o1 举座的修起来看，它先是将问题瓦解为不同场景，通过成就方程组面孔步碾儿速率、时候和距离的议论。
随后运用代数表率求解，确保了抒发式简化和单元换算的正确性。
而比较要紧的一丝，是 Skywork o1 可以代入限制考证想到进程的自洽性，并明确得出总时候。
最终，它所给出的谜底" 204 "，与本年 AIME 这谈题的模范谜底一致。
接下来，咱们再拿本年的高考数学题作念一番测试。
AI 请听题：
已知函数 $f ( x ) = a ( x - 1 ) - ln x + 1$.
( 1 ) 求 f ( x ) 的单调区间；
( 2 ) 当 α 小于等于 2 时，解说：当 x 大于 1 时， $f ( x )
关于这个问题，Skywork o1 给出的想考和谜底如下（障碍滑动检察统统本色）：
AI 举座的想路和刚才同样，齐是属于分步而治之，主打的就是一个 step by step。
期间哪怕是遭遇"陷坑"，Skywork o1 也会实时发现并提示我方，通盘进程宛如把东谈主类想考的进程复刻并呈现了出来一般。
最终给出的谜底亦然与模范谜底一致。
需要概括的是，Skywork o1 其实是一个系列，更具体而言，包括三个细分模子：
Skywork o1 Open：基于 Llama 3.1 的 8B 开源模子，解锁了许多轻量级模子无法管束的复杂数学任务。
Skywork o1 Lite：具备完整的想考智力，具有更好的汉文相沿和更快的推理和想考速率。
Skywork o1 Preview：本次完整版的推理模子，搭配自研的线上推理算法，使推理进程更完善、高质地。
不仅如斯，Skywork o1 Open 也参与到了类 o1 模子 Benchmark 的比较，智力上可谓是有了大幅的提高。
将 Llama-3.1-8B 的性能拉到同生态位 SOTA（卓绝 Qwen-2.5-7B-Instruct）。
同期，8B 的 Skywork o1 Open 也解锁了许多较大齐级模子，如 GPT 4o，无法完成的数学推理任务（如 24 点想到）。
这也为推理模子在轻量级开垦上部署提供了可能性。
在 MATH 数据集上，Q*（论文地址：https://arxiv.org/abs/2406.14283）匡助 Llama-3.1-7B 擢升并卓绝了同生态位的 SOTA Qwen2.5-7B-instruct。
同期，昆仑万维也将开源两个的推理任务的 Process Reward Model（PRM）：Skywork o1 Open-PRM-1.5B 和 Skywork o1 Open-PRM-7B，比拟此前开源的 Skywork-Reward-Model 仅对通盘模子修起进行打分，Skywork o1 Open-PRM 能给模子修起中的每个法子进行打分。
对比开源社区现存的 PRM，Skywork o1 Open-PRM-1.5B 能达到开源社区 8B 的模子限制，举例 RLHFlow 的 Llama3.1-8B-PRM-Deepseek-Data，OpenR 的 Math-psa-7B，Skywork o1 Open-PRM-7B 能同期在大部分 benchamrk 上接近 / 越过 10 倍量级的 Qwen2.5-Math-RM-72B。
Skywork o1 Open-PRM 亦然第一款适配代码类任务的开源 PRM。底下表格为以 Skywork-o1-Open-8B 行为基础模子，使用不同 PRM 在数学和代码评测集上的评估限制。
详备时间讲述也将在不久后发布。刻下模子和议论先容已在 Huggingface 开源 ( https://tinyurl.com/skywork-o1 ) 。
那么除了纯数学题以外，Skywork o1 在其它推理任务上的说明又会怎样？
接下来，咱们不息用更多维度的测试来锻练一番。
AI 自我想考、规划和反想 9.9 和 9.11 哪个大？
起首，咱们就用如故难倒一众 AI 大模子的经典问题" 9.9 和 9.11 哪个大"来作念一下测试。
天然刻下险些统统大模子齐能给出正确谜底，但在这个测试中，咱们将更平和 AI 想考的进程。
从进程来看，Skywork o1 依然吸收分而治之的计谋。
先比较整数位，判定二者的整数位调换；再判断极少位，将其调节为调换的阵势，即 0.90 和 0.11 之间的比较，判定 9.9 大于 9.11。
临了，Skywork o1 如故把进程再次考证了一遍，认定限制是正确的。
从它的想路来看，和东谈主类比较这两个数字的逻辑是一致的。
脑筋急转弯
接下来，咱们再来一齐脑筋急转弯：
一个箱子里装了 2 个苹果，拿走了两个，但箱子里如故有 2 个苹果。这可能吗？
关于这么的脑筋急转弯，许多东谈主想考的进程，会先看下是否合乎常理；淌若属于"不按套路出牌"的那种，就会再找找题面有莫得 trick 了。
那么到了 AI 这边，它又会怎样想考？
Skywork o1 先注视了一下题目，初步判定不合乎常理，应当就运行执细节了，脑洞开放地想了好几种可能。
举例又有东谈主放了 2 个苹果进去、画上去的苹果、光学错觉、箱子里有镜子等等……
但上述的观念齐被我方给否了，原理是太牵强。
临了，Skywork o1 认定，这个题方向 trick 就在"拿走"这个词儿身上，给出的解释亦然正解：
把苹果从箱子里拿出来，但莫得带离箱子，仍在箱子的范围内。
加密问题
测试大模子的逻辑推理，加密问题可以说是一种格外允洽的类型。
因为加密问题频频需要从有限的已知条目推导出未知信息，这需要模子具备巨大的逻辑推闪耀力，大致在多个条目之间找到关联并推导出论断。
那么，话未几说，AI 请听题：
已知 ukwmfvhxyondhxjz rhfvpfjzxn ukjzwmkajzhxyo -> practice makes perfect 请基于这个例子找到密文 ukqgfvsi gwjzkatjwmjz dttjzp hxtjiyjz 对应的原文。
Skywork o1 从已知的加密章程和密文 - 明文对中归纳出字符映射议论，并基于映射章程对新密文进行解码。
在这个进程中，模子逻辑了了，分步拆解问题，冉冉考证假定，并在映射不完整的情况下，通过推测加密样式进一步完善解码决议。
尤其是它对加密章程的归纳智力，不仅识别了每个字母被映射为两个字符的划定，还通过字符位置和字母表的偏移发现了加密进程的具体算法（奇偶位置的偏移逻辑）。
但也并非完好
天然 Skywork o1 在刻下各种推理任务中说明还算可以，但当咱们把任务难度降到极低的时候，也发现了一个问题——有点啰嗦了。
举例问它" 1+1 等于几"：
Emmmm ……繁琐，简直有点繁琐了。
但同期，模子探求到了这谈问题是否是在问不同进制情况下的谜底，也体现了模子万般性的想考智力。
不外在与昆仑万维团队交流进程中咱们得知，关于这么轻便的问题，团队后续也会进一步对 Skywork o1 的解答作念优化。
在看完限制之后，接下来的一个问题就是：
何如作念到的？
举座来看，Skywork o1 之是以能有如斯的想考、规划及反想智力，主要收获于一个三阶段的自研时间决议。
起首第一阶段，是一个推理反想智力磨练的进程。
Skywork o1 通过自研的多智能体体系构造出高质地的分步想考、反想和考证数据。
这些万般化的长想考数据用于对基础模子进行进一步的预磨练和监督微调，从而擢升了模子在复杂任务中的推闪耀力。
其挨次二阶段，是推闪耀力强化学习。
Skywork o1 团队研发了 Skywork o1 Process Reward Model（PRM），适用于分步推理的强化学习进程。
该模子大致有用捕捉到复杂推理任务中每一步对最终谜底的影响；通过连合自研的分步推理强化算法，模子的推理和想考智力赢得了显赫增强。
PRM 的中枢在于其对推理进程的致密化奖励机制。
传统的强化学习模子频频只平和最终限制的正确性，而 PRM 则在每一个推理法子中引入了奖励评估，从而确保模子大致在每一步中抑遏优化其推理旅途。
PRM 大致对模子的每一个想考进程进行评分，从而匡助模子修订无假想维链，擢升举座推理质地。
Skywork o1 团队还在 PRM 中加入了多任务磨练数据，使其不仅大致在单一鸿沟说明出色，同期具备在万般化任务场景中生动应用的智力。
通过这种形势，Skywork o1 大致有用打法各种复杂的推理挑战。
临了，则是推理规划（planning）。
这亦然昆仑万维初次将 Q* 算法应用并公开，用于线上推理。
Q* 算法与模子的在线想考智力连合，大致寻找最好推理旅途，从而显赫提高了模子的在线推闪耀力。
值得一提的是，这亦然环球初次末端 Q* 算法落地，使得 Skywork o1 的推闪耀力进一步最初于其他同类模子。
为什么类 o1 模子要紧？
早在 Sam Altman 发布 o1 模子之际，他便对此问题作念了一些点评：
o1 象征着一种新范式的运行：大致进行通用复杂推理的 AI。
这一趋势也离不开行业发展的大配景，即市集关于具有巨大推闪耀力的模子需求日益加多。
而类 o1 模子模子的推出，偶合餍足了这一需求，尤其是在需要复杂逻辑推理的应用场景中，如科学计划、编程、数据分析等鸿沟。
因为它们对性能擢升形势不同于传统的大范畴预磨练形势（通过加多参数目和数据量），是通过加多推理时的算力和时候干预，末端了性能的显赫擢升，这为模子的发展带来了新的 Scaling Law。
而况通过内置想维链（CoT）冉冉管束问题的形势，一定程度上模拟了东谈主类慢想考进程；这种形势使得模子在推理时大致进行自我修订，当模子检测到偏离正确的推理旅途时，它可以回溯并尝试其他决议。
一言蔽之，是合乎市集和行业硬需求。
而纵不雅昆仑万维在大模子期间这两年的说明，绝不夸张的说，每一次的时间新潮降临之际，国产选手中定然有它的身影出现，而且是属于早一批的那种。
举例其大底座天工大模子系列，包括天工 1.0、天工 2.0、天工 3.0，以及今天得当邀请测试的「天工大模子 4.0」 o1 版（Skywork o1）。
其次在其它模态上，还包括 AI 搜索（天工 AI 搜索）、AI 音乐（天工 SkyMusic）、AI 外交（Linky）、AI 视频（AI 短剧平台 SkyReels）、实时语音对话助手（Skyo）等。
而况开源，亦然从昆仑万维从一运行布局于今以来的特质之一；正如斯次的开源模子 Skywork o1 Open，也将加快国内开源社区复现 o1 的程度。
临了，Skywork o1 邀测地址放底下喽，感兴味的小伙伴快去请求吧 ~
请求地址：www.tiangong.cn
— 完 —
点这里� � 平和我，铭刻标星哦～
一键三连「共享」、「点赞」和「在看」
科技前沿进展日日相遇 ~