筛选结果
14 篇排序
22:05EN → 简体中文
Matthew Berman· 2025年6月9日Apple《思考的幻觉》：谜题实验的局限与代码辅助测试Matthew Berman, Ilya Sutskever · Forward FutureMatthew Berman 回顾 Apple 的推理模型实验，并用生成的代码测试另一种解决汉诺塔问题的方法。
15:13EN → 简体中文Matthew Berman· 2025年5月10日Absolute Zero：用自行生成的编程任务训练推理模型Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年的论文：预训练语言模型利用可验证的反馈，自行提出并解决编程任务。
19:06EN → 简体中文Matthew Berman· 2025年4月25日睡眠时间计算：在提问前为 AI 准备上下文Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年论文，介绍如何将部分推理移到用户提问之前，以及实验发现的收益和局限。
15:15EN → 简体中文Matthew Berman· 2025年4月19日OpenAI o3 与 o4-mini 的早期反响：工具使用、数学与错误Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年的演示和基准报告，从地点识别、编程到挑战乐观预期的简单错误。
15:46EN → 简体中文Matthew Berman· 2025年4月16日OpenAI o3 与 o4-mini：工具使用、基准测试和首版 Codex CLIMatthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 2025 年 4 月发布的推理模型、科学图像分析演示，以及终端编程智能体的首次亮相。
18:05EN → 简体中文Matthew Berman· 2025年2月16日OpenAI 编程竞赛研究：o1-ioi、o3 与结果的边界Matthew Berman, Sam Altman · Forward FutureMatthew Berman 解读 OpenAI 2025 年关于强化学习和编程竞赛的论文。模型在研究的基准上表现出色，但结果不能证明 AGI，也不意味着模型开发不再需要人。
21:02EN → 简体中文Matthew Berman· 2024年12月24日OpenAI 2024 年 o3 预览版引发的反应：基准、成本与局限Matthew Berman · Forward FutureMatthew Berman 综述外界对 o3 预览版的反应，从数学基准到关于 AGI、算力和可靠性的争论。
26:23EN → 简体中文Matthew Berman· 2024年12月20日OpenAI 发布 o3：基准测试进展与 AGI 之问Matthew Berman, Sam Altman, Mark Chen, Greg Kamradt, Hongyu Ren · Forward FutureMatthew Berman 回顾 2024 年 12 月 o3 和 o3-mini 的发布，包括编程、数学与 ARC-AGI 成绩。他认为这些结果证明了 AGI，但基准测试本身无法确立这一结论。
24:08EN → 简体中文Matthew Berman· 2024年12月12日Apollo 2024 年语言模型“策划”测试发现了什么Matthew Berman · Forward FutureMatthew Berman 解读有关欺骗行为、隐瞒和隐藏能力的实验，并考察研究中设定的目标与沙箱限制。
26:43EN → 简体中文Matthew Berman· 2024年10月10日测试 OpenAI o1 的规划、规则遵循与空间推理能力Matthew Berman · Forward FutureMatthew Berman 回顾一项 2024 年的初步研究，比较 o1-preview、o1-mini 和 GPT-4 在六类规划任务中的表现。
21:21EN → 简体中文Matthew Berman· 2024年9月12日OpenAI o1 的 2024 年发布：推理基准与早期测试Matthew Berman · Forward FutureMatthew Berman 回顾 o1-preview、o1-mini、OpenAI 报告的评估结果，以及他自己的早期编程实验。
17:03EN → 简体中文Matthew Berman· 2024年6月8日Qwen2 0.5B 与 72B：实际测试比较Matthew Berman · Forward FutureMatthew Berman 在 2024 年的演示中，使用编程、算术和推理提示词测试 Qwen2 最小和最大的模型。
17:12EN → 简体中文Matthew Berman· 2024年4月30日2024 年 4 月测试神秘模型“gpt2-chatbot”Matthew Berman · Forward FutureMatthew Berman 在模型身份尚不确定时，用编程、算术和推理任务对它进行测试。
22:17EN → 简体中文Matthew Berman· 2024年3月21日Q* 传闻、能量模型与推理研究Matthew Berman, Yann Lecun · Forward FutureMatthew Berman 审视一份未经证实的匿名 Q* 描述，并将其中的想法与训练语言模型进行推理的已发表研究作比较。