鳳凰網(wǎng)科技訊 2月12日，在中國AI公司的影響下，OpenAI不得不公開O系列強(qiáng)化學(xué)習(xí)的秘密。今天（2月12日），OpenAI發(fā)布了關(guān)于推理模型在競技編程中應(yīng)用的研究論文報(bào)告《Competitive Programming with Large Reasoning Models》，文中放出了OpenAI三個推理模型：o1、o1-ioi、o3在IOI（國際信息學(xué)奧林匹克競賽）和CodeForces（全球知名在線編程競賽）中的成績。

論文顯示，在IOI 2024中，o3在嚴(yán)格規(guī)則下拿到395.64分，達(dá)成金牌成就，并且在CodeForces上的表現(xiàn)與人類精英選手相當(dāng)。論文中特別提到，中國的DeepSeek-R1和Kimi k1.5通過獨(dú)立研究顯示，利用思維鏈學(xué)習(xí)（COT）方法，可顯著提升模型在數(shù)學(xué)解題與編程挑戰(zhàn)中的綜合表現(xiàn)。R1、k1.5是DeepSeek和Kimi在1月20日同時(shí)發(fā)布的新型推理模型。

該論文通過強(qiáng)化學(xué)習(xí)（RL）訓(xùn)練的大型語言模型在復(fù)雜編碼和推理任務(wù)上的性能提升，比較了通用推理模型與針對特定領(lǐng)域優(yōu)化的系統(tǒng)在競技編程中的表現(xiàn)。研究結(jié)果表明，增加強(qiáng)化學(xué)習(xí)訓(xùn)練計(jì)算和測試時(shí)計(jì)算可顯著提升模型性能，使其接近世界頂尖人類選手，這些模型將在科學(xué)、編碼、數(shù)學(xué)等領(lǐng)域的AI應(yīng)用中解鎖新的應(yīng)用體驗(yàn)。

原論文地址：https://arxiv.org/abs/2502.06807