俺去夜OpenAI o1全方位SOTA登顶lmsys排行榜，数学能力碾压Claude和谷歌模型，o1-m俺去夜ini并列第一_ZAKER新闻
OpenAI o1全方位SOTA登顶lmsys排行榜，数学能力碾压Claude和谷歌模型，o1-m俺去夜ini并列第一_ZAKER新闻
也有多地表示暂不放宽。今年4月1日，温州市交通运输局称，根据出租汽车驾驶员（包括巡游、网约车驾驶员）从业资格管理有关规定，该市申请从业资格证的驾驶员年龄需在60周岁以下。还有，2022年《浙江省道路运输条例》修订时，温州市交通运输局曾提出将从业年龄放宽至65岁的建议，但省里研究后未采纳。
OpenAI o1 模型在 lmsys 排行榜领先，展现出色。【导读】o1 模型发布 1 周，lmsys 的 6k+ 投票就将 o1-preview 送上了排行榜榜首。同时，为了满足大家对模型「IOI 金牌水平」的好奇心，OpenAI 放出了 o1 测评时提交的所有代码。万众瞩目的最新模型 OpenAI o1，终于迎来了 lmsys 竞技场的测评结果。不出意外，o1-preview 在各种领域绝对登顶，超过了最新版的 GPT-4o，在数学、困难提示和编码领域表现出色；而 o1-mini 虽然名字中自带「mini」，但也和最新版的 GPT-4o 并列综合排名第二，困难提示、编码、数学等领域和 o1-preview 同样登顶第一。果然，o1 模型不愧是通用推理领域的新王。lmsys 社区官方发推表示，这项测试结果收集了 6k+ 社区投票，并将 OpenAI 这次取得的进展描述为「令人难以置信的里程碑」。单纯看排行榜的排名可能不够具有说服力，于是 lmsys 特意统计了总榜上前 25 名模型的 1v1 胜率。可以看到，o1-preview 对所有模型的胜率都超过了 50%，对比 04-09 版 GPT-4-Turbo 的胜率最高，达到了 88%。o1-mini 如果对战 o1-preview，胜率为 46%，对 09-03 版 GPT-4o 的胜率为 48%，可以说是大体平手、稍逊一筹的状态。值得注意的是，虽然 Grok-2-mini 和 Claude 3.5 Sonnet 都排在比较靠后的位置，但 o1-preview 对这两个模型的胜率并不高，分别是 58% 和 57%，大大小于排名第四的 Gemini 1.5 Pro 的 69%。如果看到细分领域的排行榜，尤其是数学 / 推理领域，效果则更加惊艳。o1-preview 和 o1-mini 不仅是登顶数学排行榜，而且是体现出了绝对的领先优势。排在第三、第四的 Claude 3.5 Sonnet、Gemini 1.5 Pro 和 08-08 版 ChatGPT-4o 的均分都在 1275 左右，不相上下；o1-preview 和 o1-mini 则一骑绝尘，分数飙到 1360 附近，直接碾压。o1 推理团队的领导者之一 William Fedus 看到这张图也是相当开心，他表示这张图「很好地用视觉表达了范式转换」。看来最新的 o1 模型在 STEM 学科和通用推理方面的确又达到了新高度，用实际测评结果回应了「AI 遇冷」、「OpenAI 碰壁」的质疑声。「那就继续期待 OpenAI 接下来的发布吧！」但一些人感叹「未来可期」的同时，另一些人想到了自己不多的智商和头发。「模型搞得这么好了，测试就不适合我这种蠢人了。」同时，也有一些人表达了对 lmsys 排行榜结果的质疑。比如，众所周知的 o1 模型推理时间长，因而回答的延时也长，和其他模型都有明显差别；而且不同于各类基准测试的客观标准，lmsys 社区中完全基于用户的主观评分，难说这里面是否存在「安慰剂效应」。也有人不服 o1 在编码排行榜上的第一，认为虽然 o1-mini 非常适合进行项目规划，但在 Cursor 这类编码助手中还是 Claude 模型的表现最佳。排行榜的结果当然不是全部，o1 模型能否继续赢得口碑，同时保持住智力水平不变蠢，还要看接下来的一段时间。IOI 金牌代码全公开说到 o1 模型的编码能力，不知道你还是否记得，刚发布时 OpenAI 提到了这样一个指标：如果放宽提交约束到每个问题允许 1 万次提交，o1 可以达到高于 IOI 金牌门槛的分数。在模拟进行的 Codeforces 编程竞赛中，使用相同的规则进行评估，o1-preview 可以打败 62% 的人类选手，正式版 o1 则上升到超越 89% 的对手。专门微调过的 o1-ioi 模型，表现优于 93% 的竞争对手。此外，前段时间有用户在实时的 Codeforces 比赛中使用了 o1 模型，结果是超越了 99.8% 的人类选手。由于 o1 在编程竞赛领域的表现如此突出，引起了 AI 社区强烈的兴趣和好奇，OpenAI 于是选择发布 o1 模型提交的代码内容，包括 6 个问题的全部 C++ 代码以及注释。发文的 yummy 是 o1 模型的核心贡献者 Alexander Wei对于 o1 的惊艳表现，Alexander Wei 自己都很惊讶。他本人在 9 年前曾参加 IOI 竞赛，但从未想到自己这么快就需要和 AI 竞争，模型展现出的推理过程的复杂程度令人印象深刻。博文表示，虽然 o1 模型距离人类的顶级表现还有很长的一段路要走，但我们期待有一天能实现这个目标。这个发展轨迹让人想起了 AlphaGo ——从水平高超，到能和人类顶级高手不分胜负，再到 5-0 完全碾压李世石。OpenAI 想要达成的，估计就是究极进化的、能在编程上碾压人类顶级高手的 AlphaZero。此处公布代码的 6 个问题具体如下：有网友指出，其中最令人印象深刻的应该是象形文字（hieroglyphs）问题，o1 模型总共得到 44 分，在现场的所有选手中排名第四。这表明，模型或许可以破译一些人类无法解决的子任务。前几天，一位目前在 NASA 工作的天体物理学博士就尝试让 o1 复现自己论文中的代码，结果一试吓一跳——自己读博时花了 1 年写出的代码，o1 只用了一小时就写完了。这还只是裸模型，如果加上代码解释器、网络实时搜索等各种工具，效果想必更加惊艳。而且，Reddit 网友还送来了温馨提示：这只是 o1 预览版哦，可以狠狠期待一下不到一个月就即将问世的正式版 o1 了。此外，这位网友还表示，o1 基本沿用了 GPT-4 的架构；那你想，改换架构后的 GPT-5（也就是传说中的猎户座）能达到什么高度。参考资料：https://x.com/lmsysorg/status/1836443278033719631https://codeforces.com/blog/entry/134091本文来自微信公众号 " 新智元 "，编辑：乔杨 。koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:张伍
TOP1热点：洛杉矶大火恐成美最具破坏性自然灾害，新一轮强风或致火势扩大
5月份，全国居民消费价格环比下降0.1%。其中，城市下降0.1%，农村下降0.1%；食品价格持平，非食品价格下降0.2%；消费品价格下降0.1%，服务价格下降0.1%。。
9月13日，顶端新闻记者在儿慈会9958儿童紧急救助的微信公众号搜索到的“中华儿慈会2022年度最佳领导力奖”的相关文章里，柯某孝的信息已经被删除，整个公众号也都无柯某孝的信息。
TOP2热点：人民日报：惩治“微腐败”，让老百姓可感可及
根据排名，日本、伊朗和韩国队位列18强赛第一档。亚足联官网12日高度赞扬日本队：“在36强小组赛阶段6战全胜，打进24球未失一球。”日本队在最后一轮小组赛以5∶0轻取叙利亚队。此外，亚足联官网认为，伊朗和韩国队都在36强赛中表现出强大竞争力。而第二档的澳大利亚、卡塔尔和沙特队同样实力不俗。澳大利亚队以打进22球不丢一球的战绩拿下6连胜，卡塔尔队保持不败，沙特队在最后一场小组赛中以1∶2不敌约旦队。伊拉克队以全胜战绩领衔第三档球队，而乌兹别克斯坦和阿联酋队也在36强赛中保持不败，约旦、阿曼和巴林队这三支第四档球队都提前从36强中突围。
TOP3热点：深一度｜健身行业预付式消费监管难，上海拿出了解决办法37大但人文艺术A级
也有多地表示暂不放宽。今年4月1日，温州市交通运输局称，根据出租汽车驾驶员（包括巡游、网约车驾驶员）从业资格管理有关规定，该市申请从业资格证的驾驶员年龄需在60周岁以下。还有，2022年《浙江省道路运输条例》修订时，温州市交通运输局曾提出将从业年龄放宽至65岁的建议，但省里研究后未采纳。
TOP4热点：聚光灯下的格陵兰岛：军事价值、“冰虫计划”与冷战回归阴影x7x7x7任意噪108
国轩高科也在6月7日回应表示，任何关于公司存在使用强制劳动或与强制劳动相关的指控，都是毫无根据且绝对错误的。公司一向坚持尊重人权、保护员工权益的价值观，对合作伙伴的选择也是基于严格的审核机制和评估标准。
TOP5热点：外交部答澎湃：“中国游”掀起热潮，欢迎全球游客到中国共度新春佳节久久久文化传媒有限
纪委通报称，胡志强搞政治攀附；在干部任用上丧失原则，搞一团和气；严重违反生活纪律，生活奢靡；“四个意识”个个皆无，“六大纪律”项项违反等。
TOP6热点：山西省委原常委、宣传部原部长张吉福增补为山西省政协委员站在公交车里抓着摇曳的手环
也有多地表示暂不放宽。今年4月1日，温州市交通运输局称，根据出租汽车驾驶员（包括巡游、网约车驾驶员）从业资格管理有关规定，该市申请从业资格证的驾驶员年龄需在60周岁以下。还有，2022年《浙江省道路运输条例》修订时，温州市交通运输局曾提出将从业年龄放宽至65岁的建议，但省里研究后未采纳。
TOP7热点：骑手送餐摔倒致残：劳务公司被判赔十万余元后上诉，平台获判无责上司的老婆
根据排名，日本、伊朗和韩国队位列18强赛第一档。亚足联官网12日高度赞扬日本队：“在36强小组赛阶段6战全胜，打进24球未失一球。”日本队在最后一轮小组赛以5∶0轻取叙利亚队。此外，亚足联官网认为，伊朗和韩国队都在36强赛中表现出强大竞争力。而第二档的澳大利亚、卡塔尔和沙特队同样实力不俗。澳大利亚队以打进22球不丢一球的战绩拿下6连胜，卡塔尔队保持不败，沙特队在最后一场小组赛中以1∶2不敌约旦队。伊拉克队以全胜战绩领衔第三档球队，而乌兹别克斯坦和阿联酋队也在36强赛中保持不败，约旦、阿曼和巴林队这三支第四档球队都提前从36强中突围。
李龙说，目前不好预估最终的分数，只能等结果出来看，希望去顶尖几所医学院，目标是西医的临床方向或者中医的本博九年制。至于具体报考哪个专业，他计划根据考试发挥情况再决定。
TOP8热点：外交部答澎湃：“中国游”掀起热潮，欢迎全球游客到中国共度新春佳节gogogo高清在线观看免费韩国
值得一提的是，印度尼西亚、吉尔吉斯斯坦和巴勒斯坦队将首次在世预赛最后阶段亮相。其中，印度尼西亚位于第六档，他们是国际足联最新排名中积分和排名提升最快的球队，从第142位上升至134位。拥有多名荷兰归化球员的印度尼西亚队在最后一轮以2∶0击败菲律宾队，从而成功甩开越南队获得晋级资格。法新社称：“印度尼西亚队主帅申台龙一直呼吁引进归化球员来提升球队实力，他也由此率队创造了新的历史。”
TOP9热点：研讨｜《我是刑警》：聚焦中国式刑侦，致敬一线刑警久久久文化传媒有限
新华社南昌6月12日电 记者从江西省上饶市相关部门获悉，6月12日14时许，一架直升机在江西省上饶市鄱阳县凰岗镇飞行过程中坠落。记者初步了解到，事发时机上载有3人，目前当地正在组织搜救。（记者万象、姚子云、程迪）
TOP10热点：“剧组骗局”后能否全额退订泰国游？律师：商家可酌情扣违约金老丈人的擎天柱让我看
1950年，在周恩来总理亲自关心下，正式定名为中国福利会，将工作重点转移到在妇幼保健卫生、儿童文化教育方面开展实验性、示范性工作。