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：

確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將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，那么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確性。

此前一些研究已經論證，這個方向確實可行，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，在每次嘗試后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，隨著測試時計算量增加，標準最佳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。并且隨著更多的強化學習（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：護城河只剩下硬件了？

這樣的新發現不免讓人想到去年谷歌內部文件里提出的觀點：

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，誰也不能確保自己始終領先。

唯一的護城河，或許是硬件。

（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。那么如果谷歌/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OpenAI首顆芯片曝光，將采用臺積電最先進的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。