## Openai在O3模型的“滑動”之前保持沉默：有爭議的基準點是什麼？

從Openai推出的新的O3語言模型令人失望的表現引發了AI社區的激烈辯論。實際的基準數遠低於這個“大個子”的初始陳述，這引起了對已發表研究結果的透明度和可靠性的懷疑。

Openai最近在O3模型上發表的文章有望在自然語言處理領域創造突破，很快就引起了專家的注意。但是，當獨立研究人員進行重新評估並發現異常點時，最初的喜悅很快被懷疑取代。他們獲得的基準結果明顯低於OpenAI宣布的令人印象深刻的數字，從而產生了顯著差異，並提出了有關評估方法，培訓數據以及原始報告的完整性的問題。

這種差異不僅是一個問題。它直接影響了人工智能領域的主要組織Openai的聲望。在解釋這種差異的原因方面缺乏透明度會增加懷疑。到目前為止，OpenAI尚未提供任何正式反饋來澄清問題。這種沉默使AI社區在發布研究結果中詢問了有關大型技術公司的誠實和責任的更多問題。

這也引起了警告鈴，即在AI領域驗證獨立性和客觀評估的重要性。過度依賴單個組織的陳述會導致誤導性評估和緩慢的技術發展過程。社區需要設定更嚴格的測試標準，以確保未來研究出版物的透明度和可靠性。

與OpenAI的O3模型有關的事件不僅是一個簡單的“滑動”，而且是關於驗證，透明度和責任在快速發展領域的重要性的寶貴教訓。

#openai＃o3 #ai #benchmark #painting #complags #tracking

：OpenAI的O3模型是有爭議的，因為最初宣布了基準點

在第三項基準的結果表明，O3模型的性能明顯低於公司宣布的表現，OpenAI面臨批評。具體而言，Epoch AI研究所（Frontiermath數學單元的開發商）表示，O3僅在獨立評級時才達到10％，遠低於去年12月OpenAI宣布的“超過25％”。

Openai在推出O3時確認，這是推理數學能力的重要一步，並且能夠解決前線問題的一部分，而競爭對手只解決了大約2％的問題。但是，根據Epoch的說法，最高得分可能是從內部O3版本創建的，能夠計算出優於公共版本。

實際上，OpenAI宣布的結果還包括根據獲得的時期得分。此外，Epoch說，他們使用的版本是新的更新的Frontiermath，這可能與以前的OpenAI問題不同。

O3啟動之前的O3測試組織ARC獎基金會還證實，當前的商業O3版本是實用應用程序的精製版本，而不是最佳基準。他們說： “ O3版本的所有計算都小於我們測試的版本。”

Wenda Zhou- Openai的工程師 – 還以直播方式共享，目前的O3版本旨在平衡成本，速度和適用性，而不是針對基準分數。他說：“我們已經優化了用戶在詢問時不要等待很長時間，這在現實情況下更為重要。”

儘管對初始陳述的準確性有些沮喪，但事實表明，Openai準備啟動升級的O3-Pro版本。此外，諸如O3-Mini-High和O4-Mini之類的變體目前在Frontiermath套裝上有更好的O3結果。

該事件提醒您，基準測試AI不應絕對收到，尤其是當他們來自服務提供商本身時。人工智能行業圍繞評估結果的透明度越來越有爭議。

早些時候，時代因沒有迅速透露Openai的讚助而受到批評。此外，與XAI的埃隆·馬斯克（Elon Musk）還被指控為Grok 3使用誤導性基準，Meta最近承認展示了與實際發行版本不同模型的基準分數。

在第三項基準的結果表明，O3模型的性能明顯低於公司宣布的表現，OpenAI面臨批評。具體而言，Epoch AI研究所（Frontiermath數學單元的開發商）表示，O3僅在獨立評級時才達到10％，遠低於去年12月OpenAI宣布的“超過25％”。

Openai在推出O3時確認，這是推理數學能力的重要一步，並且能夠解決前線問題的一部分，而競爭對手只解決了大約2％的問題。但是，根據Epoch的說法，最高得分可能是從內部O3版本創建的，能夠計算出優於公共版本。

實際上，OpenAI宣布的結果還包括根據獲得的時期得分。此外，Epoch說，他們使用的版本是新的更新的Frontiermath，這可能與以前的OpenAI問題不同。

O3啟動之前的O3測試組織ARC獎基金會還證實，當前的商業O3版本是實用應用程序的精製版本，而不是最佳基準。他們說： “ O3版本的所有計算都小於我們測試的版本。”

Wenda Zhou- Openai的工程師 – 還以直播方式共享，目前的O3版本旨在平衡成本，速度和適用性，而不是針對基準分數。他說：“我們已經優化了用戶在詢問時不要等待很長時間，這在現實情況下更為重要。”

儘管對初始陳述的準確性有些沮喪，但事實表明，Openai準備啟動升級的O3-Pro版本。此外，諸如O3-Mini-High和O4-Mini之類的變體目前在Frontiermath套裝上有更好的O3結果。

該事件提醒您，基準測試AI不應絕對收到，尤其是當他們來自服務提供商本身時。人工智能行業圍繞評估結果的透明度越來越有爭議。

早些時候，時代因沒有迅速透露Openai的讚助而受到批評。此外，與XAI的埃隆·馬斯克（Elon Musk）還被指控為Grok 3使用誤導性基準，Meta最近承認展示了與實際發行版本不同模型的基準分數。

<

h1>結論O3的OpenAI模型是有爭議的，因為較低的基準分數低於初始公告

在第三項基準的結果表明，O3模型的性能明顯低於公司宣布的表現，OpenAI面臨批評。具體而言，Epoch AI研究所（Frontiermath數學單元的開發商）表示，O3僅在獨立評級時才達到10％，遠低於去年12月OpenAI宣布的“超過25％”。

Openai在推出O3時確認，這是推理數學能力的重要一步，並且能夠解決前線問題的一部分，而競爭對手只解決了大約2％的問題。但是，根據Epoch的說法，最高得分可能是從內部O3版本創建的，能夠計算出優於公共版本。

實際上，OpenAI宣布的結果還包括根據獲得的時期得分。此外，Epoch說，他們使用的版本是新的更新的Frontiermath，這可能與以前的OpenAI問題不同。

O3啟動之前的O3測試組織ARC獎基金會還證實，當前的商業O3版本是實用應用程序的精製版本，而不是最佳基準。他們說： “ O3版本的所有計算都小於我們測試的版本。”

Wenda Zhou- Openai的工程師 – 還以直播方式共享，目前的O3版本旨在平衡成本，速度和適用性，而不是針對基準分數。他說：“我們已經優化了用戶在詢問時不要等待很長時間，這在現實情況下更為重要。”

儘管對初始陳述的準確性有些沮喪，但事實表明，Openai準備啟動升級的O3-Pro版本。此外，諸如O3-Mini-High和O4-Mini之類的變體目前在Frontiermath套裝上有更好的O3結果。

該事件提醒您，基準測試AI不應絕對收到，尤其是當他們來自服務提供商本身時。人工智能行業圍繞評估結果的透明度越來越有爭議。

早些時候，時代因沒有迅速透露Openai的讚助而受到批評。此外，與XAI的埃隆·馬斯克（Elon Musk）還被指控為Grok 3使用誤導性基準，Meta最近承認展示了與實際發行版本不同模型的基準分數。
.awesome {位置：絕對；邊界：2PX實心＃990000; -moz-border-radius：50％； -MS-BORDER-RADIUS：50％；邊界拉迪烏斯：50％；動畫：彈跳2S無限； -webkit-animation：反彈2S無限； -Moz-Animation：彈跳2S無限； -o-anime：彈跳2S無限；顯示：內聯塊；填充：3PX 3PX 3PX;顏色：#fff;背景：＃990000;字體大小：20px;線高：1; -moz-border-radius：5px; -webkit-border-radius：5px; -moz-box shadow：0 1px 3px＃999; -webkit-box shadow：0 1px 3px＃999;文本-​​Shadow：0 -1px 1px＃222;邊界底：1PX實心＃222;位置：相對；光標：指針； }

帖子 Openai在O3模型的“滑動”之前保持沉默：有爭議的基準點是什麼？ 首先出現 女王手機。

Source link