911色色色 陶哲轩提前实测满血版 OpenAI o1：能当经营生使唤

蓝本早在 8 月份911色色色，陶哲轩就也曾用上了 OpenAI o1。如故当今大家王人用不上的满血版块（眼泪不争脸地从嘴角流出来）。

提前批大佬是如何玩最新天花板的呢？

他向 o1 模子冷落一个措辞模糊的数知识题，发现它果然能生效识别出克莱姆定理。

何况谜底是“统统令东说念主空闲的”那种。

天然，陶哲轩还作念了一些其它测试，测下来总体体验即是：

比往日的模子更牛，多堆点请示词施展还可以，但仍然会犯不小的特殊，也莫得产生啥我方的念念想。

陶哲轩是这样形容的：

这种嗅觉，就像给一个平凡无奇但又有点小才能的经营生提供建议。

不外，这也曾比往日的模子有所矫正，因为往日的模子的才能更接近于本色上不尽职的经营生。

但要是予往日的模子加点助力，比如缱绻机代数包和证据补助器具啥的，矫正一两次，就能完了进一步迭代，变幻无穷，成为“有才能的经营生”。

陶哲轩对使用体验的这个神奇比方在 HackerNews 等多个平台引起了横蛮商议。

有网友愤愤：GPT 是什么 **！我承认 LLMs 对写代码有很大匡助，但事实上有一些极度好的器具可以匡助解决这一问题，举例代码片断、模板和代码生成器。

有东说念主就用陶哲轩的话回复了他：

“任何聪惠到足以以编程为生的东说念主，才能王人足以成为一个平平无奇但又小有才能的数学经营生。”

陶哲轩实测 ChatGPT vs o1

陶哲轩展示了他我方的三轮测试。

第一轮，用前年 3 月份测试 ChatGPT 的题目，条目大模子回答一个措辞浑沌的数知识题，惟有从文件中找出一个合乎的定理（克莱姆法例）就能解决。

Say I have a positive measure whose closure(support) = some compact convex subset S. I convolve n times to get a measure on nS. Scale down by n， take log， divide by n， take the limit to get some rounded thing on S. Does it depend on the original measure?

女同porn

那时，ChatGPT 倒是像模像样地回答了，时期还提到了一个高度相干的术语：对数矩生成函数，致使在给出的谜底中还商议了一个具体的例子。不外不成堤防细节，全是幻觉，何况谜底亦然错的。

这一次，通常像模像样，但相较之下更有档次（更长还有大小标题分离度）。

最热切的是，o1 生效找到了克莱姆定理，并给出了统统令东说念主空闲的谜底。

ps，看纪录，早在 8 月份陶哲轩就用上了 o1。

第二轮，上少许难度，挑战复杂分析经营生课程的一个问题。

（之前他用来测试 GPT-4 的，条目他来协助编写一个证据）

遗弃此次陶哲轩的论断是，是要比之前 GPT-4 好些，但仍有点失望。

要是提供大王人的请示和饱读舞，新模子可以通过我方的英勇得到一个正确的（何况写得很好的）解决有经营，但它我方并莫得产生要害的见解想法，何况如实犯了一些生命交关的特殊。

光看到这几轮请示交互，如实是有点不空闲的。

也难怪陶哲轩代入我方，把调教 o1 像是在教一个平凡、但又不是统统不尽职的经营生。

紧接着来第三轮测试，这一次是条目将质数定理的一种神情转动为 Lean 中的定理神情，行径是将其理会为若干个子问题分别描绘，但不给出证据。

遗弃模子很好地相识了这个任务，并进行了合理的初步理会，不外代码中出现了几个小特殊。

陶哲轩解释说念，这是由于西宾时枯竭关连 Lean 及其数学库的最新信息。

并表现，要是能专诚针对 Lean 和 Mathlib 进行微调，并集成到一个 IDE 中，那应该会对公式假名堂很有效。

在经营数学层面的实用性在加多

用大模子来搞经营，其实也曾飞入寻常匹夫家了。

一位账号名为 wenc 的网友共享了 ta 使用大模子来作念经营的资格。

wenc 从事着运筹学相干的使命，而 OpenAI 的模子们，从 GPT 4o 开动，就继承了实足多的运筹学数据，简略输出好多极度有效的混杂整数规划（MIP）公式。

举个栗子：

给 4o 一个逻辑问题，如“我需要把柄分数将 i 个名堂放入 n 个桶中，但我想按端正填充每个桶”，4o 会输出一个极度有效的数学公式。

频繁情况下，只需要把公式微调一下就能统统处理问题了。

此外，一些 prompt 太弱了的时候，4o 还会预警：这可能导致输出不尽如东说念主意 —— 可以说对幸免无效回答极度有效了。

回极度看咱还用不上大模子的时候，传统行径是需要大家在周末苦思冥想，试图找出关连 MIP 优化问题的趁火洗劫的公式。

关于非直不雅问题来说，这少许频繁王人令东说念主头秃。

wenc 很执意地表现，每月从 ChatGPT 上赢得的价值，远远超出了 20 好意思元（每月订阅用度）。

一朝 GPT 在 Lean 上得到更多诊治 —— 就像在 Python 上一样 —— 我展望它在经营数学层面的实用性会有提高。

wenc 还对那些牢骚 Claude 和 GPT 最新模子不好用的网友进行了分析：

不知说念如何最大化我方的上风来使用大模子们；

把大模子想得无所不成，抱着“这玩意儿是解决一切的灵丹灵药”的期待；

大模子如的确他们的领域不适用。

wenc 在终末弱弱补了一句，好多牢骚的东说念主，其实王人是属于前两种啦～～～

陶哲轩回复争议

尽管大多数网友王人合计大模子能匡助我方省下许多功夫，如故有东说念主对陶哲轩“调教大模子如同调教不咋靠谱的经营生”的言论，充满了狐疑和不明。

有网友在陶哲轩的 mathstodon 下面留言：

亲，也许你可以张开说说“经营生”这块不？

我相识一下子，你的兴味是 o1 之前大模子放在 Lean 微调，再蚁算缱绻机代数包，那输出成果就可以比好意思经营生水平？

浅薄点来说，这种情况下的大模子简略解决一些新发现的热切课题？

陶哲轩倒是很实时地回复了这条评述。

他表现，他正在谈判一个具体的目标，即“助手简略在巨匠数学家的引导下，协助完成复杂数学经营名堂中的一个或多个具体任务”的程度。

一个有才能的经营生可以为这样的名堂作出孝顺，且这种孝顺比“让学生加速名堂过程并监督他们出了几成力”更有价值。

不外，即使使用最新的器具，让大模子输出正确且有效的回答，其实比输入精确 prompt 和考据遗弃王人要难多了 —— 天然，这之间的差距并不黑白凡弘远，前者大选录难个 2-5 倍的花样。

陶哲轩表现我方有原理笃信，畴昔几年内，这个差距会镌汰到 1 倍以内（其实有些特定子任务，比如语义搜索、数据时势化或生成数字代码以协助数学经营探索，这个比率也曾低于 1 了）。

他视“差距降到 1 倍以内”为数学领域将更往常秉承这些的改动点。

至于“经营生水平”嘛 ——

陶哲轩表现，我方这样说，仅仅为了便捷大家感知啦！

固然大模子可以协助经营东说念主员完成现时的名堂，但培养经营生的目标，是为了以后有更多的下一代寥寂经营者。

“我意外默示经营生学习的各个方面，与数学中 AI 补助的各个方面之间存在逐一双应的关系。”

One More Thing

终末，共享一则陶哲轩这个话题下，咱们发现网友商议出的、呼声挺高的一个论断 ——

固然很难量化学会用大模子到底省了些许时期，但跟着一个东说念主请示词工程才能的提高，大伙儿能用更少的时期得到更好的成果。

然则！

不言而谕，大模子的价值是因东说念主而异的，它简直取决于每个东说念主的请示词水平。

呃，羞涩中……

不说了，过什么中秋节假期，咱这就去精进我方的 prompt 时候去！

参考勾通：

[1]https://mathstodon.xyz/@tao/113132502735585408

[2]https://news.ycombinator.com/item?id=41540902

[3]https://mathstodon.xyz/@tao/109948249160170335

本文来自微信公众号：量子位（ID：QbitAI），作家：白小交衡宇

告白声明：文内含有的对外跳转勾通（包括不限于超勾通、二维码、口令等神情）911色色色，用于传递更多信息，节俭甄选时期，遗弃仅供参考，IT之家总计著述均包含本声明。