Nátisky GDM jsou krásné! Gratulujeme týmu k působivému výkonu.

zábava: před 3/4 měsíci Spustil jsem o3 pro nějaké akademiky na sadě problémů ve stylu AIME. Trvalo jim to tak dlouho, než napsali souhrn výsledků (96% irrc), že Alex mezitím vyřešil důkaz a podle mého názoru lol

zábava: před 3/4 měsíci Spustil jsem o3 pro nějaké akademiky na sadě problémů ve stylu AIME. Trvalo jim tak dlouho, než napsali shrnutí výsledků (98%), že Alex mezitím vyřešil důkaz+IMO lol

zábava: před 3/4 měsíci jsem spustil o3 pro nějaké akademiky na soukromé testovací sadě problémů podobných AIME. Trvalo jim tak dlouho, než napsali shrnutí výsledků (96 %), že Alex mezitím IMO vyřešil.

@alexwei_ dokážete světu říct, kolik žetonů na problém?

Abych shrnul tento týden: - Uvolnili jsme univerzální počítač pomocí agenta - byl poražen jediným člověkem v soutěži v heuristice ATCODERu - vyřešeno 5/6 nových IMO problémů s důkazy v přirozeném jazyce Všechny tyto metody jsou založeny na stejném systému zpětnovazebního učení

17 M U.S. teens třídy 9-12, ~5 US IMO zlatých v tréninku, ale ~20 dětí na zlaté úrovni. Takže IMO zlato je matematický talent jedna ku milionu (pro 18leté; ale vsadím se, že příští Putnam padne také). 99,9999. percentil.

Proč jsem nadšený z výsledků IMO, které jsme právě zveřejnili: - udělali jsme velmi málo práce specifické pro IMO, pouze pokračujeme v trénování obecných modelů - všechny korektury v přirozeném jazyce - bez vyhodnocovacího svazku Potřebovali jsme nový průlomový výzkumný objev a @alexwei_ a tým

Pokud tvrdíte, že jste to viděli přicházet, měli byste mít rozdělené P&L, které to podpoří

LLM zůstávají podceňovány