新浪科技讯 2月12日晚间音书，在中国AI公司的影响下，OpenAI 公开了O系列强化学习的神秘。今天（2月12日），OpenAI发布了对于推理模子在竞技编程中应用的有筹商论文讲授《Competitive Programming with Large Reasoning Models》，文中放出了OpenAI三个推理模子：o1、o1-ioi、o3在IOI（海外信息学奥林匹克竞赛）和CodeForces（大家着名在线编程竞赛）中的得益。

　　论文泄露，在IOI 2024中，o3在严格章程下拿到395.64分，终了金牌设立，而况在CodeForces上的进展与东说念主类精英选手畸形。论文中杰出提到，中国的DeepSeek-R1和Kimi k1.5通过稀薄有筹商泄露，掌握想维链学习（COT）措施，可显耀提高模子在数学解题与编程挑战中的空洞进展。R1、k1.5是DeepSeek和Kimi在1月20日同期发布的新式推理模子。

　　该论文通过强化学习（RL）锤真金不怕火的大型讲话模子在复杂编码和推理任务上的性能提高，相比了通用推理模子与针对特定范畴优化的系统在竞技编程中的进展。有筹商效力标明，增多强化学习锤真金不怕火探讨和测试时探讨可显耀提高模子性能，使其接晚天下顶尖东说念主类选手，这些模子将在科学、编码、数学等范畴的AI应用中解锁新的应用体验。（文猛）

背负剪辑：王若云 开云体育