家东说念主们在线av 中文，国产 o1 大模子，最近确凿是有燃烧啊。

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。

访佛 o1 模子最大的脾性就是其强悍的推理技艺，因此，咱们告成上一起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：

每天朝晨，Aya 会进行一段长度为 9 公里的散布，然后在一家咖啡店停留。当她以每小时 s 公里的恒定速率行行运，总计这个词散布加上在咖啡店停留的时刻一共需要 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行运，总计这个词流程（包括在咖啡店停留的时刻）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刻）的总时刻（以分钟为单元）。

凹凸滑动稽察总计骨子：

从 Skywork o1 合座的回复来看，它先是将问题剖析为不同场景，通过劝诱方程组面目走路速率、时刻和距离的干系。

随后诈欺代数方法求解，确保了抒发式简化和单元换算的正确性。

而比较热切的一丝，是 Skywork o1 可以代入适度考据计较流程的自洽性，并明确得出总时刻。

最终，它所给出的谜底" 204 "，与本年 AIME 这说念题的门径谜底一致。

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，阐明：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（凹凸滑动稽察总计骨子）：

AI 合座的想路和刚才相通，齐是属于分步而治之，主打的就是一个 step by step。

期间哪怕是碰到"陷坑"，Skywork o1 也会实时发现并教唆我方，总计这个词流程宛如把东说念主类想考的流程复刻并呈现了出来一般。

最终给出的谜底亦然与门径谜底一致。

需要扎眼的是，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处分的复杂数学任务。

Skywork o1 Lite：具备完整的想考技艺，具有更好的汉文救济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，使推理流程更完善、高质地。

不仅如斯，Skywork o1 Open 也参与到了类 o1 模子 Benchmark 的比较，技艺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（杰出 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 点计较）。

这也为推理模子在轻量级设备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 普及并杰出了同生态位的 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 仅对总计这个词模子回复进行打分，Skywork o1 Open-PRM 能给模子回复中的每个要领进行打分。

对比开源社区现存的 PRM，Skywork o1 Open-PRM-1.5B 能达到开源社区 8B 的模子适度，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 / 逾越 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 算作基础模子，使用不同 PRM 在数学和代码评测集上的评估适度。

详实本领阐明也将在不久后发布。目下模子和关联先容已在 Huggingface 开源 ( https://tinyurl.com/skywork-o1 ) 。

那么除了纯数学题除外，Skywork o1 在其它推理任务上的推崇又会如何？

接下来，咱们连接用更多维度的测试来锤真金不怕火一番。

AI 自我想考、计划和反想 9.9 和 9.11 哪个大？

开头，咱们就用仍是难倒一众 AI 大模子的经典问题" 9.9 和 9.11 哪个大"来作念一下测试。

固然当今险些总计大模子齐能给出正确谜底，但在这个测试中，咱们将更宥恕 AI 想考的流程。

从流程来看，Skywork o1 依然汲取分而治之的政策。

先比较整数位，判定二者的整数位疏通；再判断极少位，将其转念为疏通的体式，即 0.90 和 0.11 之间的比较，判定 9.9 大于 9.11。

终末，Skywork o1 如故把流程再次考据了一遍，认定适度是正确的。

从它的想路来看，和东说念主类比较这两个数字的逻辑是一致的。

脑筋急转弯

接下来，咱们再来一起脑筋急转弯：

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，许多东说念主想考的流程，会先看下是否合适常理；要是属于"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，它又会如何想考？

Skywork o1 先谛视了一下题目，初步判定不合适常理，应当就驱动捏细节了，脑洞打开地想了好几种可能。

举例又有东说念主放了 2 个苹果进去、画上去的苹果、光学错觉、箱子里有镜子等等……

但上述的主意齐被我方给否了，事理是太牵强。

终末，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适当的类型。

因为加密问题每每需要从有限的已知条目推导出未知信息，这需要模子具备弘远的逻辑推理技艺，梗概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干系，并基于映射章程对新密文进行解码。

在这个流程中，模子逻辑明晰，分步拆解问题，巩固考据假定，并在映射不完整的情况下，通过臆测加密时势进一步完善解码决议。

尤其是它对加密章程的归纳技艺，不仅识别了每个字母被映射为两个字符的规矩，还通过字符位置和字母表的偏移发现了加密流程的具体算法（奇偶位置的偏移逻辑）。

但也并非圆善

固然 Skywork o1 在目下千般推理任务中推崇还算可以，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，确凿有点繁琐了。

但同期，模子探究到了这说念问题是否是在问不同进制情况下的谜底，也体现了模子千般性的想考技艺。

不外在与昆仑万维团队交流流程中咱们得知，关于这么浮浅的问题，团队后续也会进一步对 Skywork o1 的解答作念优化。

在看完适度之后，接下来的一个问题即是：

如何作念到的？

合座来看，Skywork o1 之是以能有如斯的想考、计划及反想技艺，主要获利于一个三阶段的自研本领决议。

开头第一阶段，是一个推理反想技艺锤真金不怕火的流程。

Skywork o1 通过自研的多智能体体系构造出高质地的分步想考、反想和考据数据。

这些千般化的长想考数据用于对基础模子进行进一步的预锤真金不怕火和监督微调，从而普及了模子在复杂任务中的推理技艺。

其循序二阶段，是推理技艺强化学习。

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流程。

该模子梗概灵验捕捉到复杂推理任务中每一步对最终谜底的影响；通过推敲自研的分步推理强化算法，模子的推理和想考技艺取得了显耀增强。

PRM 的中枢在于其对推理流程的精采化奖励机制。

传统的强化学习模子每每只宥恕最终适度的正确性，而 PRM 则在每一个推理要领中引入了奖励评估，从而确保模子梗概在每一步中遏抑优化其推理旅途。

PRM 梗概对模子的每一个想考流程进行评分，从而匡助模子蜕变疯狂想维链，普及合座推理质地。

Skywork o1 团队还在 PRM 中加入了多任务锤真金不怕火数据，使其不仅梗概在单一领域推崇出色，同期具备在千般化任务场景中生动应用的技艺。

通过这种形势，Skywork o1 梗概灵验轻率千般复杂的推理挑战。

终末，则是推理计划（planning）。

这亦然昆仑万维初度将 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技艺推敲，梗概寻找最好推理旅途，从而显耀提高了模子的在线推理技艺。

值得一提的是，这亦然群众初度罢了 Q* 算法落地，使得 Skywork o1 的推理技艺进一步开头于其他同类模子。

为什么类 o1 模子热切？

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驱动：梗概进行通用复杂推理的 AI。

这一趋势也离不开行业发展的大布景，即商场关于具有弘远推理技艺的模子需求日益增多。

而类 o1 模子模子的推出，正值得志了这一需求，尤其是在需要复杂逻辑推理的应用场景中，如科学推敲、编程、数据分析等领域。

因为它们对性能普及形势不同于传统的大范畴预锤真金不怕火形势（通过增多参数目和数据量），是通过增多推理时的算力和时刻参预，罢了了性能的显耀普及，这为模子的发展带来了新的 Scaling Law。

况且通过内置想维链（CoT）巩固处分问题的形势，一定程度上模拟了东说念主类慢想考流程；这种形势使得模子在推理时梗概进行自我蜕变，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，是合适商场和行业硬需求。

而纵不雅昆仑万维在大模子时期这两年的推崇，绝不夸张的说，每一次的本领新潮驾临之际，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，以及今天端庄邀请测试的「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 酬酢（Linky）、AI 视频（AI 短剧平台 SkyReels）、实时语音对话助手（Skyo）等。

况且开源，亦然从昆仑万维从一驱动布局于今以来的脾性之一；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。

终末，Skywork o1 邀测地址放底下喽，感敬爱的小伙伴快去恳求吧 ~

恳求地址：www.tiangong.cn

—  完  —

点这里� � 宥恕我，谨记标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿进展日日重逢 ~