美妙的事物往往需要世界去创造，商业希望大模型越来越快给出回答。或许花费几个月几年的时间持续思考，大模型能够解决更复杂的问题，而不只是回答42

刚发现凌晨OpenAI发布了一个22多分钟的采访，将构建出O1的整个团队拉到一个小屋子，讲述了关于新模型的故事。

1 O1 一个推理模型

它是一系列新模型的其中之一，和4O的体验会不一样。

包含两个模型：o1-preview + o1 - mini，都是基于O1框架构建的。

1.1 什么是推理

对于简单的问题，我们需要快速的得到答案：例如湖南省会城市等。简而言之就是一手的知识，可以直接得到答案的那些，或者说可以死记硬背的那些知识。

但是对于复杂的问题：解密、写商业计划或者小说等，回答之前稍微思考一下会更好。

总之，推理就是用 用时间换取更好的输出

1.2 研究多久了

其实是在Alpha Go启发了他们，尤其是深度强化学习的表现，想着如何将RL-强化学习和GPT两种范式结合起来。具体的开始时间点很难确定，因为前期做了不少探索和准备工作，项目的确定到研发花费了挺长的时间。

2 AHA!时刻

我记得在一本书里面看到过，就是一个惊叹、困惑或者觉悟的时刻，啊哈？

1. 第一次训练集成了COT的模型时

2. 让模型自身用强化学习生成思考步骤，比让人类写出思考过程再训练，表现更好

3. 看到o1解答数学题的过程中，发现了很多有趣的点子

        读它的思考过程就像一种灵性的体验

4. 因为设置了有限的思考时间和容量，快到这个节点时，它会想：嗷，时间快到了，我得先给出个答案了。

5. 它的思考过程和“我"很相似

3 遇到的挑战

训练大模型本身就是很难得，会有上千个出错的点，实际上也会冒出上百个错误。

让大模型按照某个达到目标得路径去思考，是很煎熬得事情（仅仅是使用4o，想让它按照指定格式输出，也得不断调整prompt适应不同的case）

就好像发射火箭登录月球，一旦角度错了，过程就很煎熬。因为COT专注的就是逻辑正确性，想要让它学会和掌握逻辑是有点难的，毕竟十分的抽象。（说的是掌握逻辑推理本身，而不是用逻辑推理分析问题）

它通常表现得很好，但遇到一些敏感问题时，还会有些不可靠，所以还需要评估更多的测试（后面会提到这个强化学习除了让它会推理，还希望能够强制遵守预定义原则）

对于一些有趣问题的回复

        当在twitter看到有人说gpt不能做啥，就把问题和答案复制过来去训练它。

        把答案hardcode在模型里面

4. O1 可以用来做什么

4.1 写代码

        关注于需求和问题的定义-关注于重点和高层的定义，使用TDD方式开发，自己就主要编写测试代码，作为质量把关。我其实在思考有没有可能将高层的定义可视化，但是没时间去具体做，github仓库倒是开了，就是根据需求设计自动生成代码，而不是基于UI，UI在我看来只是一部分。

这里就有个点要注意哈！现在很多工具都支持单元测试，模型也有这个能力，但单元测试如果自己不仔细审核是会有问题的。生成的单元测试如果根据有问题的来，单元测试也是错的

4.2 Debug

        将错误信息丢给o1，它的思考过程会给出很多的有用的信息，应该是相对于4o更多的信息

4.3 头脑风暴和写文章

        因为会反复思考，所以过程中会不断保持风格等的一致性和关联性，内容中也会有相互引用等待，出现错误也能自动修正。

        因为可以思考，所以对于头脑风暴这种，它会先自己筛选一遍，选出比较好的，而不是一股脑的输出了。

4.4 处理非结构化思考

        这些目前的4o等也差不多可以做到，但它能够进一步的分析。我在想，或许我需要开一篇文介绍下知识的层级，也就是直接获取的知识以及需要推理才能获得的基于上下文的知识。

4.5 目前不擅长的事情

        目前它的知识库并不多，尤其是世界的知识，毕竟专注点是逻辑推理。但在scaling的时候，会不断的增加这些内容的。

5 还没意识到的特别重要的事情

5.1 大模型的完备生态系统

        运行超大规模的模型、超大规模的数据集和大模型的训练.，当然目前是有相关的生态的，例如各种云计算厂商，尤其微软的azure是可以运行gpt4的，但是它们的表现，可能并没达到期待。而我们更不用说了，因为没有类似的模型，也就没有需求，虽然生物医疗方面的数据也很大，但可能到了那个位置才能看到问题。

5.2 跨项目的一致性模式

        这个可能是产品方面的，因为模型会不断的迭代，旧的模型会取代新的模型，但如果能够留下点东西肯定会更好吧。或许也是为了找到一种创新的模式

5.3 团队氛围

        互相陪着吃饭、闲逛、写代码、测试等等，有时候我也挺期待所谓的peercode的。

6. 草莓团队工作怎么样

       成员之间都比较近，可以及时的问问题、一起测试等。不要觉得问问题很蠢，立刻问就对了。每个项目都会有很大收获，从Dota2Bot获得了工程化经验，从GPT4学到了需要不停的做研究，可能是最大的研究性团队了吧？我猜说的是紧密联系的那种，不像小组的模式。

        大家都有自己的热情和激情，知道什么时候该学习、什么时候该写代码、什么时候该熬夜了

       每个人都贡献了很多想法，都是不停的迭代成现在这样。当一个人，说相信这个点子不错，感兴趣的就会一起去尝试实现它，哪怕有些人自己定了不少deadline，也会尽量去尝试更多 

        大致是：从一个足够吸引人的起始点，大家努力做出个可用的版本，然后不断共享自己的想法来完善它，就像滚雪球一样，最后会发现这就是我们想做的。 这个和xspace当初定将汽车送上太空的目标差不多，工程师都是理想主义，如果定的目标是卖多少单，实现多少KPI肯定是很蒙的，不如一个看似荒唐或浪漫的同一目标。

7 为什么会有o1 mini

        o1 mini是为了更快的构建出一个o1实现的流水线，以较低的成本和较快的速度验证。

8 为什么要构建o1

        构建一个有能推理的模型很酷。

        美好事物出现需要时间，我们的大模型有着回答越来越快的趋势。目前只给了它几分钟的时间思考，未来可能让它能够花费数月数年的时间去思考，从而创造出更好的事物。

        世界需要个有用的东西，现实世界是需要逻辑推理遵守规则的。为了解锁一些以前模型未具备的能力。尤其是想要结果更可靠，自身的推理是不可或缺的，不然都没法发现错误或者更好的可能性

 9 模型的人格

        观察了模型的元数据，发现每次训练的模型，都会有自己的小癖好，有着不同的倾向、擅长和不擅长的，每个模型都像有人格一样

看这些东西，有时候感觉世界上有一些自身的碎片，我也在尝试用多个模型的组合，实现模拟思维，只是目前能够使用的模型表现欠佳，不得不吐槽下部分模型了，复杂点的prompt理解能力很差需要反复调反复调