今天小編分享的科學經驗：o1突發内幕曝光？谷歌8月論文已揭示原理，大模型光有軟體不存在護城河，歡迎閱讀。
發布不到 1 周，OpenAI 最強模型 o1 的護城河已經沒有了。
有人發現，谷歌 DeepMind 一篇發表在 8 月的論文，揭示原理和 o1 的工作方式幾乎一致。
這項研究表明，增加測試時（test-time）計算比擴展模型參數更有效。
基于論文提出的計算最優（compute-optimal）測試時計算擴展策略，規模較小的基礎模型在一些任務上可以超越一個14 倍大的模型。
網友表示：
這幾乎就是 o1 的原理啊。
眾所周知，奧特曼喜歡領先于谷歌，所以這才是 o1 搶先發 preview 版的原因？
有人由此感慨：
确實正如谷歌自己所說的，沒有人護城河，也永遠不會有人有護城河。
就在剛剛，OpenAI 将 o1-mini 的速度提高 7 倍，每天都能使用 50 條；o1-preview 則提到每周 50 條。
計算量節省 4 倍
谷歌 DeepMind 這篇論文的題目是：優化 LLM 測試時計算比擴大模型參數規模更高效。
研究團隊從人類的思考模式延伸，既然人面對復雜問題時會用更長時間思考改善決策，那麼 LLM 是不是也能如此？
換言之，面對一個復雜任務時，是否能讓 LLM 更有效利用測試時的額外計算以提高準确性。
此前一些研究已經論證，這個方向确實可行，不過效果比較有限。
因此該研究想要探明，在使用比較少的額外推理計算時，就能能讓模型性能提升多少？
他們設計了一組實驗，使用 PaLM2-S* 在 MATH 數據集上測試。
主要分析了兩種方法：
（1）迭代自我修訂：讓模型多次嘗試回答一個問題，在每次嘗試後進行修訂以得到更好的回答。
（2）搜索：在這種方法中，模型生成多個候選答案，
可以看到，使用自我修訂方法時，随着測試時計算量增加，标準最佳 N 策略（Best-of-N）與計算最優擴展策略之間的差距逐漸擴大。
使用搜索方法，計算最優擴展策略在初期表現出比較明顯優勢。并在一定情況下，達到與最佳 N 策略相同效果，計算量僅為其 1/4。
在與預訓練計算相當的 FLOPs 匹配評估中，對比 PaLM 2-S*（使用計算最優策略）一個 14 倍大的預訓練模型（不進行額外推理）。
結果發現，使用自我修訂方法時，當推理 tokns 遠小于預訓練 tokens 時，使用測試時計算策略的效果比預訓練效果更好。但是當比率增加，或者在更難的問題上，還是預訓練的效果更好。
也就是說，在兩種情況下，根據不同測試時計算擴展方法是否有效，關鍵在于提示的難度。
研究還進一步比較不同的 PRM 搜索方法，結果顯示前向搜索（最右）需要更多的計算量。
在計算量較少的情況下，使用計算最優策略最多可節省 4 倍資源。
對比 OpenAI 的 o1 模型，這篇研究幾乎是給出了相同的結論。
o1 模型學會完善自己的思維過程，嘗試不同的策略，并認識到自己的錯誤。并且随着更多的強化學習（訓練時計算）和更多的思考時間（測試時計算），o1 的性能持續提高。
不過 OpenAI 更快一步發布了模型，而谷歌這邊使用了 PaLM2，在 Gemini2 上還沒有更新的發布。
網友：護城河只剩下硬體了？
這樣的新發現不免讓人想到去年谷歌内部檔案裡提出的觀點：
我們沒有護城河，OpenAI 也沒有。開源模型可以打敗 ChatGPT。
如今來看，各家研究速度都很快，誰也不能确保自己始終領先。
唯一的護城河，或許是硬體。
（所以馬斯克哐哐建算力中心？）
有人表示，現在英偉達直接掌控誰能擁有更多算力。那麼如果谷歌 / 微軟開發出了效果更好的定制芯片，情況又會如何呢？
值得一提的是，前段時間，将采用台積電最先進的 A16 埃米級工藝，專為 Sora 視頻應用打造。
顯然，大模型戰場，只是卷模型本身已經不夠了。
參考鏈接：
https://www.reddit.com/r/singularity/comments/1fhx8ny/deepmind_understands_strawberry_there_is_no_moat/
