發(fā)布不到1周，OpenAI最強(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。

這項研究表明，增加測試時（test-time）計算比擴(kuò)展模型參數(shù)更有效。

基于論文提出的計算最優(yōu)（compute-optimal）測試時計算擴(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？

有人由此感慨：

確實正如谷歌自己所說的，沒有人護(hù)城河，也永遠(yuǎn)不會有人有護(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。

計算量節(jié)省4倍

谷歌DeepMind這篇論文的題目是：優(yōu)化LLM測試時計算比擴(kuò)大模型參數(shù)規(guī)模更高效。

研究團(tuán)隊從人類的思考模式延伸，既然人面對復(fù)雜問題時會用更長時間思考改善決策，那么LLM是不是也能如此？

換言之，面對一個復(fù)雜任務(wù)時，是否能讓LLM更有效利用測試時的額外計算以提高準(zhǔn)確性。

此前一些研究已經(jīng)論證，這個方向確實可行，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算時，就能能讓模型性能提升多少？

他們設(shè)計了一組實驗，使用PaLM2-S*在MATH數(shù)據(jù)集上測試。

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，模型生成多個候選答案，

可以看到，使用自我修訂方法時，隨著測試時計算量增加，標(biāo)準(zhǔn)最佳N策略（Best-of-N）與計算最優(yōu)擴(kuò)展策略之間的差距逐漸擴(kuò)大。

使用搜索方法，計算最優(yōu)擴(kuò)展策略在初期表現(xiàn)出比較明顯優(yōu)勢。并在一定情況下，達(dá)到與最佳N策略相同效果，計算量僅為其1/4。

在與預(yù)訓(xùn)練計算相當(dāng)?shù)腇LOPs匹配評估中，對比PaLM 2-S*（使用計算最優(yōu)策略）一個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，當(dāng)推理tokns遠(yuǎn)小于預(yù)訓(xùn)練tokens時，使用測試時計算策略的效果比預(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)不同測試時計算擴(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（最右）需要更多的計算量。

在計算量較少的情況下，使用計算最優(yōu)策略最多可節(jié)省4倍資源。

對比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)會完善自己的思維過程，嘗試不同的策略，并認(rèn)識到自己的錯誤。并且隨著更多的強(qiáng)化學(xué)習(xí)（訓(xùn)練時計算）和更多的思考時間（測試時計算），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。

（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，情況又會如何呢？

值得一提的是，前段時間OpenAI首顆芯片曝光，將采用臺積電最先進(jìn)的A16埃米級工藝，專為Sora視頻應(yīng)用打造。

顯然，大模型戰(zhàn)場，只是卷模型本身已經(jīng)不夠了。