Re: [討論] OpenAI GPT o1模型

阿肥外商碼農阿肥啦！

目前技術太多都說得太雲裡霧裡，但是截至目前為止針對o1其實OpenAI透露出來的技術細節都不如過往得多，像之前GPT-4跟GPT-3.5過往還有完整的文件跟引用可以窺探，所以就不做過份的臆測了。

以目前的一些文件上有提到的可以確定這次o1使用了CoT這絕對是一個Agent沒錯（跟過往的單一模型不一樣），所以Response Time也會比過往再調用GPT-4o還要久。所謂的CoT本質上就是一系列分解步驟，讓模型先分解問題再一步一步到最後結果，目前很多研究都發現針對CoT再進行微調是有用的（ https://arxiv.org/abs/2305.14045 )，所以這種對問題
拆解迭代算是一種拉高對模型能力上限的方法。

然後目前RL for LLM有很多新的方法，像KTO這類方法將模型去比較兩兩對話的問題轉換成一個BSO(二元訊號優化）的問題，研究就發現到相比傳統的RLHF甚至DPO，KTO的效果能起到很好的Regularization（正規化）作用，對比DPO有時候還會過擬和、難以收束優化不易訓練等問題，KTO可以讓收集數據更簡單（只要收集正負樣本）而且效果也不差。

另外就是GPT-2 guidance 的方法也算是這幾年比較重要的研究，當前包含谷歌 Deepmind也發現通過不同種類的LLM不論大小其實也都有對主模型起到類蒸餾的效果，結果也是會比你單做SFT或RLFH還要好，不過如果是同一個模型重複迭代就有很高的機會發生Model Collapse 的問題，這可以從統計學上做很好的解釋，詳細有興趣的就自己去看Paper。

以當前來說，我不太認為o1對業界有掀起很高的技術壁壘，反而從這次OpenAI一反常態的保守有可能推測僅是對現有技術的組合拳。這有可能顯示單一LLM模型這樣訓練下逼近上限的事實（每家模型大廠可能最後表現都不會差異到哪裡去）。

以上

--

當前還有很多商業應用還可以探索，不至於泡沫就是了，而且很多商業應用是有既定模式 的，所以去討論AGI有沒有意義就多了。

剛剛下班才看到，這邊的CoT跟你網路上看到的CoT差異很大喔！傳統上下step by step那 個是prompt engineer沒錯，但這次o1的CoT是類似於隱式設計進去先讓模型生成多個取樣 步驟再像鏈一樣一步一步思考，這也是為什麼當前很多示範都顯示出他很慢，也是我為什 麼會說這次的模型絕對是一個Agent而非傳統意義上的LLM。單一模型存在上限主要也是從 這次OpenAI沒有釋出GPT系列以及其他廠家的技術報告推論出來單一LLM逼近上限的事實， 主要可能原因還是在於高品質數據本身就存在上限，要再提升就要靠類蒸餾（Boostrap) 等方法。至於技術壁壘我認為還是不存在的，畢竟這個谷歌Deepmind大廠其實早在年初也 有類似的技術發表出來了，所以我才會說以OpenAI這次反常到不透露細節的作法，很可能 是怕被競品出現。