• 我的订阅
  • 科技

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

类别:科技 发布时间:2024-11-06 09:49:00 来源:量子位

复刻OpenAI o1推理大模型,开源界传来最新进展:

LLaMA版o1项目刚刚发布,来自上海AI Lab团队。

简介中明确:使用了蒙特卡洛树搜索,Self-Play强化学习,PPO,以及AlphaGo Zero的双重策略范式(先验策略+价值评估)。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

在2024年6月,o1发布之前,团队就开始探索蒙特卡洛树搜索提高大模型数学能力,积累了一些关注。

这次最新开源代码,也在开发者社区引起热议。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

OpenAI o1系列发布后,团队开始升级算法,专注于数学奥赛问题,作为OpenAI草莓项目的开源版本。

10月初,团队上传新论文,使用成对优化(不直接给出绝对分数,而是比较两个答案的相对优劣)提高Llama模型数学奥赛能力。

在最难的AIME2024基准测试30道题中,原版LLaMA-3.1-8B-Instruct做对2道,优化后做对8道,超过了除o1-preview和o1-mini之外的其他商业闭源方案。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

10月底,团队宣布在基于AlphaGo Zero架构复刻OpenAI o1的努力中取得了重大进展:

已成功使模型在学习过程中通过与搜索树交互获得高级思维能力,无需人工标注。

不到一周时间,项目便开源了。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

LLaMA版o1最新进展

目前已开源内容包括:预训练数据集、 预训练模型、强化学习训练代码。

OpenLongCoT-Pretrain数据集,包含10万+条长思维链数据。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

每条数据包含一个完整的数学问题推理过程,包含思考内容和评分结果。

例如一个几何问题,包含了问题描述、图形坐标、计算过程和结论推导等完整的推理链路,以及对各个推理步骤的批评和验证内容,对推理过程进行评价和指导。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

在此数据集继续预训练后,模型可读取和输出类似o1的长思维链过程。

预训练代码尚未发布,目前推荐使用LLaMaFactory代替。

有意思的是虽然项目名为LLaMA-O1,但目前官方给的预训练模型基于谷歌Gemma 2。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

目前在预训练模型基础上,可以继续进行强化学习训练,从代码中可以看出训练过程如下:

使用蒙特卡洛树搜索进行自我对弈(self-play)以生成经验 将经验存储在优先经验回放缓冲区中 从缓冲区采样批次数据进行训练 更新模型参数和经验优先级

论文中也给出了训练过程的图示。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

同时训练代码中使用了以下关键技术点:

使用LoRA进行参数高效微调 使用PPO算法作为策略优化方法 实现了GAE(Generalized Advantage Estimation)算法用于计算优势函数 使用优先经验回放提高训练效率

最后,LLaMA-O1代码发布在名为SimpleBerry的GitHub账号下,并没有特别简介,还比较神秘。

其他与SimpleBerry有关的账号和官网中,只能看出性质是一个研究实验室,也并未透露更多研究方向信息。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

其他o1复刻项目进展

除LLaMA-O1之外,另一个公开进展的o1复刻项目O1-Journey来自上交大团队。

团队在十月初发布了第一份进展报告,其中介绍了创新Journey Learning范式,以及第一个成功将搜索和学习整合到数学推理中的模型。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

O1-Journey核心开发团队主要由上交大大三、大四本科生,以及上交大GAIR实验室(生成式人工智能研究实验室)的一年级博士生组成。

指导教师包括上交大副教授刘鹏飞,姚班校友、斯隆奖得主李远志等。

Llama版o1来了,来自上海AI Lab,强化学习代码已开源,

LLaMA-O1:https://github.com/SimpleBerry/LLaMA-O1相关论文:https://arxiv.org/abs/2406.07394https://arxiv.org/abs/2410.02884

O1-Journey:https://github.com/GAIR-NLP/O1-Journey/

以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。

快照生成时间:2024-11-06 12:45:03

本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。

信息原文地址:

重磅!OpenAI o1模型还没有实现真正的逻辑推理能力
...的前驱是DeepMind的AlphaGo。AlphaGo以前的围棋算法采用的是蒙特卡洛树搜索,试图利用计算机的算力优势进行海量模拟试错
2024-09-18 15:01:00
首个o1复现开源RL框架OpenR来了,UCL、上交等高校联合团队发布
...们在多种搜索算法中进行选择,例如 Beam Search、Best-of-N, 蒙特卡洛树搜索等。每种算法在 PRM 的质量上有其独特的优势
2024-10-15 09:56:00
昆仑万维发布国产版ChatGPT“天工” 今日启动邀请测试
...这使其具备了更高级的自主学习和智能涌现能力。此外,蒙特卡洛搜索树算法使“天工”可以提供更加人性化的交互体验。这些技术突破,使得「天工」在复杂任务和场景中能够快速且准确地响应指
2023-04-17 15:42:00
...理能力。彼时更主流的看法是,推理能力的提高可能依赖蒙特卡洛树搜索(MCTS)或过程奖励模型(PRM)。对于大模型而言,某种方法是否仍然有效,往往要看它能否经受住规模扩展的考验
2025-05-27 10:23:00
上海AI实验室版o1已上线!数学题、Leetcode全拿下,还会玩24点
...更复杂的数学解题、代码编程、数字游戏等任务。这就是上海AI实验室版o1——强推理模型书生InternThinker,刚刚正式开放试用!新模型不仅在长思维能力方面有了很大提升,
2024-11-29 09:27:00
...等信息来训练深度学习模型。研究团队采用了一种被称为蒙特卡洛树搜索的算法,不仅使模型可以预测每个分子的抗菌活性,还能预测分子的哪些化学亚结构可能导致这种活性。为进一步缩小候选药
2024-01-01 22:25:00
...亚理工学院、华东师范大学合作开发,整合了强化学习和蒙特卡洛树搜索能力。据微软研究团队表示,XOT方法可以让语言模型扩展到不熟悉的问题上
2023-11-16 09:37:00
教人工智能读懂专业文件(新职业新故事)
...智能(AI)模型。杨洪旭供职的达观数据有限公司,位于上海浦东软件园,是一家智能文本处理技术企业。这里研发的AI模型,能读懂合同工单、财务报表、行业报告等各类文本文件,在银行流
2024-08-27 06:09:00
小模型越级挑战14倍参数大模型,谷歌Test-Time端新的Scaling Law
...推理方法解释!解释就解释:本文探讨了 best-of-n 采样和蒙特卡洛树搜索(MCTS)。草莓可能是一种具有特殊tokens(例如回溯
2024-09-12 09:58:00
更多关于科技的资讯:
全产业链展示秀出硬实力 “集优品·向辛行”2025辛集国际皮革盛会开幕
河北新闻网8月2日讯(侯淼、毛宇)今天,2025外贸优品中华行(辛集专场)暨辛集国际皮革皮草时装周、中国(辛集)国际皮毛时装博览会在辛集国际皮革城正式开幕
2025-08-02 21:44:00
7月31日下午,一场科技与美学的奇幻碰撞正在上演,孩子们的手指轻划屏幕,一件又一件充满设计感的服装瞬间“穿”在虚拟模特身上
2025-08-02 08:14:00
250万元撬动2000万元!六盘水:“小”券激活“大”经济
7月31日晚七点,金鸿购物超市人潮涌动。王女士的购物车里放着刚挑选好的榴莲和小龙虾,手机里一张“满100减30”的消费券即将核销
2025-08-02 13:57:00
德州扒鸡:在传承与创新中焕发新生
鲁网8月2日讯(记者 吴美琳 实习记者 费书慧)8月1日,德州市举行第二场“产业链上的山东好品牌”系列记者见面会,邀请山东德州扒鸡股份有限公司副董事长
2025-08-02 14:13:00
从清晨到日暮 恩博力以“冠军标准”定义健康家居新体验
(广告)在碧波与奖牌的背后,一位花样游泳世界冠军的日常,由无数个对细节的精准把控和对健康的不懈追求构筑而成。作为恩博力品牌代言人
2025-08-02 14:25:00
深国际·太原智慧物流制造项目主体完工
8月2日,深国际·太原智慧物流制造项目主体建设已经完工,目前,正在进行内部平台的改造,部分设备已进场。
2025-08-02 18:21:00
振健科技布局全国八大直营生产基地,引领行业高质量发展
近日,广东振健生物科技股份有限公司(以下简称:振健科技)宣布,企业已在全国范围内成功建立八大直营生产基地,主要分布在广州
2025-08-02 19:24:00
《聊斋志异·崂山道士》系列数字资产首发上线乐数通
由人民美术出版社正版授权,云栖博悟(杭州)文化传播有限公司设计发行的首款文化数字资产——《聊斋志异·崂山道士》,于2025年7月31日在浙江文化产权交易所长三角文化数字资产交易平台“乐数通”正式首发
2025-08-02 19:24:00
寻找会“讲故事”的声音展品! 三诺AI+智造博物馆老物件征集活动进行中
导语:在你的记忆中,是否有这样一些物件,它们曾用独特的“声音”在时光里留下印记?或许是流淌着咿呀戏曲的老式收音机,是旋转时沙沙低语的黑胶唱片
2025-08-02 19:24:00
8月1日晚,倍轻松(股票代码:688793.SH)发布公告,将“信息化升级建设项目”的节余募集资金,用于面向实感交互智能的传感器矩阵搭建与应用研究
2025-08-02 19:24:00
近日,重庆中京云智人工智能科技有限公司宣布完成数千万天使轮融资。本轮资金将重点投入核心项目“京店长”的技术研发与全国布局
2025-08-02 19:24:00
当家 APP 与龙牌集团达成战略合作,共筑家装行业新生态
7月30日上午,国内领先的互联网装修平台当家APP与建材行业龙头企业北新建材龙牌集团正式签署战略合作协议。双方宣布将在龙骨
2025-08-02 19:24:00
即小评丨“混搭”潮出圈 蚂蚁市集何以成为即墨“新地标”?
大众网记者 朱晓娟 青岛报道“混搭”一词来源于时尚界,从服饰营销策略扩展到一种文化符号,特指通过巧妙的平衡的协调,创造出新颖
2025-08-02 14:19:00
创新服务企业模式,为数字资产保护提供新的解决方案河北开具首张数据知识产权公证存储证明河北日报讯(记者马彦铭)7月28日
2025-08-02 08:54:00
石家庄食草堂文化饰品有限公司总经理牛睿仪:“选择一行,就要脚踏实地干下去”7月,牛睿仪又打卡了三个城市。作为石家庄食草堂文化饰品有限公司总经理
2025-08-02 09:01:00