Påminnelse

IBM kunne ikke bygge et operativsystem, så de ble tvunget til å samarbeide med Microsoft. Apple kan ikke bygge en AI, så de blir tvunget til å samarbeide med neste Microsoft. Den eneste utveien er å samarbeide om å finansiere en konkurransedyktig åpen kildekode-modell.

IBM kunne ikke bygge et operativsystem, så de ble tvunget til å samarbeide med Microsoft. Apple kan ikke bygge en AI, så de blir tvunget til å samarbeide med neste Microsoft. Den eneste utveien er å samarbeide om å finansiere en konkurransedyktig åpen kildekode-modell.

I dag oppnådde vi i @OpenAI en milepæl som mange anså som år unna: ytelse på gullmedaljenivå på IMO 2025 med en generell resonnement LLM – under samme tidsgrenser som mennesker, uten verktøy. Så bemerkelsesverdig som det høres ut, er det enda mer betydningsfullt enn overskriften 🧵

Hvorfor du sannsynligvis bør ansette en "AI Operations Lead", hvis jobb er å gjøre alle i bedriften din mer produktive ved hjelp av AI-verktøy og arbeidsflyter. «Jeg sitter sammen med henne en gang i uken, og hver gang jeg gjør noe gjentatte ganger, setter vi det på en gjøremålsliste. Deretter bygger hun oppfordringer og arbeidsflyter slik at jeg og alle andre i teamet automatiserer så mye som mulig. Hvis du jobber i en jobb hele dagen, du bekjemper branner, tenker du, ok, skal jeg gjøre dette på den måten jeg vet hvordan, eller skal jeg gjøre det på den nye måten som kanskje ikke fungerer? Å ha en AI ops-leder lar deg i utgangspunktet identifisere disse tingene og deretter få dem løst, uten at folk som gjør jobben trenger å ta seg tid til å gjøre det. Noe som gjør det mye mer sannsynlig at det skjer.» - @danshipper

1/N Jeg er glad for å dele at vår siste @OpenAI eksperimentelle resonnement LLM har oppnådd en langvarig stor utfordring innen AI: gullmedaljenivå på verdens mest prestisjefylte matematikkkonkurranse – International Math Olympiad (IMO).

📣 Kunngjøring av utgivelsen av OpenReasoning-Nemotron: en pakke med resonneringskompatible LLM-er som er destillert fra DeepSeek R1 0528 671B-modellen. Våre nye 7B-, 14B- og 32B-modeller er trent på et massivt datasett av høy kvalitet destillert fra den nye DeepSeek R1 0528, og oppnår SOTA-ytelse på et bredt spekter av resonnementbenchmarks for sine respektive størrelser innen matematikk, naturfag og kode. Modellene er tilgjengelige på @huggingface🤗: