¡Logramos un rendimiento de nivel de medalla de oro en la OMI de este año! Nuestro modelo piensa y escribe pruebas en un inglés claro y sencillo, sin necesidad de código formal. A diferencia de los sistemas más estrechos utilizados en competiciones anteriores, nuestro modelo está construido para razonar ampliamente, mucho más allá de los problemas de la competencia.

¡Competimos en vivo en el Concurso Heurístico de las Finales Mundiales de @atcoder y quedamos en 2º lugar! Modelos como o3 se encuentran entre los 100 mejores en concursos de codificación / matemáticas, pero AFAIK esta es la primera ubicación entre los 3 primeros en un concurso de codificación / matemáticas de primer nivel. ¡Hay una gran brecha entre el top-100 y el top-3!

Estoy muy entusiasmado con el potencial de la fidelidad e interpretabilidad de la cadena de pensamiento. Ha influido significativamente en el diseño de nuestros modelos de razonamiento, empezando por o1-preview. A medida que los sistemas de IA dedican más tiempo a trabajar en cómputo, por ejemplo, en problemas de investigación a largo plazo, es fundamental que tengamos alguna forma de supervisar su proceso interno. La maravillosa propiedad de los CoT ocultos es que, si bien comienzan basados en un lenguaje que podemos interpretar, el procedimiento de optimización escalable no es contradictorio con la capacidad del observador para verificar la intención del modelo, a diferencia, por ejemplo, de la supervisión directa con un modelo de recompensa. La tensión aquí es que si los CoT no estaban ocultos de forma predeterminada, y vemos el proceso como parte de la salida de la IA, hay muchos incentivos (y en algunos casos, necesidad) para supervisarlo. Creo que podemos trabajar hacia lo mejor de ambos mundos aquí: entrenar a nuestros modelos para que sean excelentes explicando su razonamiento interno, pero al mismo tiempo conserven la capacidad de verificarlo ocasionalmente. La fidelidad del CoT es parte de una dirección de investigación más amplia, que es el entrenamiento para la interpretabilidad: establecer objetivos de una manera que entrene al menos a una parte del sistema para que siga siendo honesto y monitoreable con escala. Seguimos aumentando nuestra inversión en esta investigación en OpenAI.

¡El episodio 2 de OpenAI Podcast ya está disponible! @markchen90 y @nickaturley se unen a @andrewmayne para abrir el telón de la creación de ChatGPT. También se adentran en cómo se desarrollan los productos y en el futuro de la codificación agentica y los asistentes multimodales.

La mejor razón para cambiar de usar 4o a o3 es que o3 está de acuerdo en que el mejor corredor de la NFL es @saquon.

No hay nada mejor que quemar el aceite de medianoche en un estado máximo de flujo...

No contratamos en exceso en investigación. Y en la barra de talentos, ¡hay algunas personas realmente fenomenales que se unirán durante el próximo mes! Pasé años en el trading hasta que la falta de sentido me desgastó. Nunca he sentido eso en OAI, es mucho más satisfactorio construir cosas con impacto en el mundo real.

Acaba de lanzar Codex, un agente de ingeniería de software que puede trabajar en muchas tareas en paralelo. Se ejecuta en su propia infraestructura informática basada en la nube y puede corregir errores, responder preguntas sobre su código, ejecutar pruebas, etc. Se siente como un paso hacia el futuro de la ingeniería de software.

Producto + Investigación = ❤️ No puedo esperar para trabajar con @markchen90 y dar vida a sus avances a través de nuestros productos.

Estoy muy emocionada de trabajar con @fidjissimo, ¡es una visionaria del producto!