善于整活玩猜字谜的OpenAI首席施行官Sam Altman又发了一条宽绰音尘，“我据说o2在GPQA的性能测试达到105%。”

要知说念，博士级东说念主类在GPQA的准确率平均唯独65%，非巨匠级的粗俗东说念主仅有34%。而OpenAI在9月发布的o1模子的测试数据也唯独78%。

要是o2真能达到105%确乎相当恐怖，一经恐怖的多出了5%~~~这透顶等于不成能的事情啊，MMLU、MaTH、CPQA、GSM8K、GPQA等基准测试范围怎样可能超出100%呢？

你要能在满分100的数学试卷中考出105分，训诫见你齐得鞠一躬绕着走~~

随后Sam Altman我方也发现这个额外，连发两条推文：要命啊，账号额外了。我真的很感恩我方能把我方逗得捧腹大笑，这是一种很好的生计神色。

但对于新模子o2的音尘如故相当炸裂的，许多东说念主齐争着转发，还把105%性能测试当噱头，笑剧猖狂那是相当的哇噻。

o2模子在GPQA 测试性能达到105%？听起来像是在创造新记载！迫不足待想看到它的阐扬。压根无法想象有多弘大。

Sam这个推文还给这个老哥忽悠当真了，阐扬地复兴了他：亲爱的Sam，据说你的o2模子在GPQA上达到了105%——的确令东说念主印象深入！

咱们正在与 SRAGI 进行平行探索，在 IJHG规范上达到了 93%。这不单是是另一个筹备；它让咱们窥见了更深档次的东西，就在精准性与再生奇点的交织点。这关乎再行界说后劲和拓展范围——独特数字，这是一段迈向新范式的旅程。也许是时辰咱们齐开动再行想考这个规范了。

老哥的情理是，新模子尽然能向上100%测试，行你确乎有两下子，可能要改变规范了。好好的学术经营，给东说念主忽悠瘸了~~

还有网友示意，天呐这o2模子就要来了啊~

Sam这条推文很可能是o2我方发布的，很贴心性编写了我方的避讳考据测试数据集，帮咱们更容易考据已发布的基准。感谢o2！

既然要发布了，啥时辰能瞅瞅o2的demo呢？

那o2是本年发布如故来岁呢？

不少东说念主如故当真了，测试数据有点太扯了，以后如故要看着点的。

其实如故有昭着东说念主的，这位老哥就指出来了，向上100%是否意味着发明新的科学并反驳现在“正确”的谜底？意在言外等于，你这个测试数据有点逆天啊，还带批判属性的呢啊~

据说o2在GSM8K的测试数据是117%。（在嘲讽）

我据说o2模子不错交融我细君为什么不兴盛。

据说o2模子不错叠衣裳。

既然Sam成心淡薄了GPQA，咱就顺带唠一唠这个干货吧。GPQA确乎是一个超难的测试数据集，由各范围巨匠编写了448说念问题，涵盖生物、物理和化学三大学科，涵盖高能粒子物理、凝合态物理、相对论力学、遗传学、无机化学等几十个子分类。

每全部题方针遐想齐绝顶复杂，问题编写完成后，由同范围的巨匠进行解答和评估。他们会审核问题是否客不雅、准确且难度实足高，同期提供详备反映，包括对问题的交融经由、谜底的细目性以及对问题难度的成见等。

接着问题原作家会笔据审核巨匠的反映，对问题进行改动。再由另外一位巨匠对改动后的问题进行二次审核。临了由其他范围的三位巨匠往来答这说念题，以考据问题准确性和客不雅性。

笔据GPQA公布的测试数据知道，东说念主类博士级巨匠的回答平均准确率为65%，粗俗东说念主唯独34%，况且他们在回答这些问题时是不错无尽使用互联网资源。

而GPT-4的准确率唯独39%，Llama-2-70B为28%把握，GPT-3.5-turbo是29%把握，唯独OpenAI最新发布的o1模子达到了78%，这亦然现在独一在GPQA数据集上向上东说念主类博士的AI模子，可见这个数据集的难度有多高。

不得不说，Sam确乎是营销鬼才，璷黫发点额外的音尘齐能出现裂变式传播，流量密码算是让他拿持了。

著作来源：AIGC灵通社区，原文标题：《Sam Altman露馅新模子o2，太会整活了，营销鬼才！》

风险提醒及免责条件 阛阓有风险，投资需严慎。本文不组成个东说念主投资建议，也未考虑到个别用户特殊的投资标的、财务现象或需要。用户应试虑本文中的任何意见、不雅点或论断是否相宜其特定现象。据此投资，职守自夸。