Flood Sung, Forscher an der dunklen Seite des Mondes, veröffentlichte kürzlich einen ausführlichen Artikel mit über 10.000 Wörtern, in dem er erstmals die Forschungsansätze des k1.5-Modells detailliert darlegte und eine tiefgreifende Reflexion über die technischen Erkenntnisse des OpenAI o1-Modells anstellte. Laut Flood Sung wurde die Bedeutung von Long-CoT (Long-Chain-of-Thought, langkettiges Denken) bereits vor über einem Jahr von Tim Zhou Xinyu, Mitbegründer der dunklen Seite des Mondes, bestätigt. Durch das Training kleiner Modelle für mehrstellige Berechnungen und die Umwandlung detaillierter Berechnungsprozesse in Langketten-Denkdaten für SFT (Supervised Fine-Tuning, überwachtes Feintuning)...

Forscher der Stanford University und der University of Washington haben kürzlich ein AI-Inferenzmodell namens s1 trainiert, dessen Trainingskosten unter 50 US-Dollar lagen und das nur sehr geringe Cloud-Computing-Credits benötigte. Die Ergebnisse dieser Studie, die letzten Freitag veröffentlicht wurden, zeigen, dass s1 in Tests der mathematischen und Programmierfähigkeiten mit dem o1-Modell von OpenAI und dem R1-Modell von DeepSeek mithalten kann. Der Code und die Daten von s1 wurden auf GitHub veröffentlicht und stehen anderen Forschern zur Verfügung. Das Forschungsteam gab an, dass sie aus einer...

Die KI-Entwicklungsplattform Hugging Face hat kürzlich die Entwicklung einer „offenen“ Version von OpenAIs Deep-Research-Tool angekündigt, um mit dem kürzlich von OpenAI veröffentlichten Tool zu konkurrieren. OpenAI präsentierte auf einer Veranstaltung sein Deep-Research-Tool, das durch das Crawlen von Internetinformationen automatisch Forschungsberichte zu verschiedenen Themen erstellen kann. Leider ist dieses Tool derzeit nur für Abonnenten von OpenAIs ChatGPT mit einem monatlichen Preis von 200 US-Dollar verfügbar.

OpenAI hat kürzlich ein wichtiges Update für seine ChatGPT-Code-Assistenzfunktion Canvas angekündigt. Dieses Update integriert nicht nur das o1-Modell in Canvas, sondern erweitert auch die Rendering-Funktionen um HTML- und React-Code. Darüber hinaus hat OpenAI eine ChatGPT-Desktopanwendung für macOS veröffentlicht, die Nutzern einen bequemeren Zugriff auf die Canvas-Funktionen ermöglicht. Mit diesem Update erhält Canvas nicht nur Op...

China Unicom gab heute bekannt, dass seine Tochtergesellschaft, Unicom Data Intelligence Co., Ltd., das Yuanjing-Thinking-Chain-Großmodell offiziell veröffentlicht hat. Dieses innovative Ergebnis wurde bereits auf mehreren Plattformen wie GitHub, ModelArts und anderen Communities vollständig quelloffen veröffentlicht und markiert einen wichtigen Schritt von China Unicom im Bereich der Künstlichen Intelligenz.

Am 22. Januar 2025 hat NetEase Youdao das erste inländische Inferenzmodell mit schrittweiser Erklärung, „Zi Yue - o1“, offiziell vorgestellt. Dieses Modell mit einem kompakten Design von 14 Milliarden Parametern lässt sich effizient auf handelsüblichen Consumer-Grafikkarten einsetzen und markiert einen bedeutenden Fortschritt in der Anwendung von KI-Technologien im chinesischen Bildungsbereich. „Zi Yue - o1“ nutzt die Gedankenkettentechnik und einen Mechanismus zur Selbstkorrektur durch Selbstgespräche, um bei der Problemlösung detaillierte Denkprozesse auszugeben. Schüler erhalten so nicht nur die Lösung, sondern verstehen auch die Logik dahinter.

„ZiYue-o1“ ist ein 14B leichtgewichtiges Einzelmodell, das speziell für Consumer-Grafikkarten entwickelt wurde und auf Geräten mit geringem Grafikspeicher stabil läuft. Das Modell verwendet die Gedankenkettentechnik und liefert detaillierte Lösungswege und logische Schlussfolgerungen. Seine Arbeitsweise ähnelt der menschlichen Denkweise. Durch „Selbstgespräche“ und Selbstkorrektur kann das Modell schrittweise Lösungswege ausgeben, die den Nutzern helfen, Wissen besser zu verstehen und zu beherrschen.

Der chinesische DeepSeek-Team hat kürzlich sein neuestes Open-Source-Sprachmodell R1 veröffentlicht, das große Aufmerksamkeit erregt hat. Das R1-Modell zeigt eine außergewöhnliche Leistung und übertrifft das o1-Modell von OpenAI in mehreren Tests, insbesondere in Mathematik und Programmierung. Beim jüngsten AIME2024-Test in den USA erzielte R1 mit 79,8 Punkten einen höheren Wert als o1 mit 79,2 Punkten. Beim MATH-500-Test erreichte R1 97,3 Punkte und lag damit ebenfalls vor o1.

DeepSeek hat kürzlich die Einführung seines ersten Inferenzmodells DeepSeek-R1 bekannt gegeben, das durch verstärkendes Lernen (RL) trainiert wurde und in mehreren Inferenz-Benchmark-Tests eine mit OpenAI-o1-1217 vergleichbare Leistung erzielt hat. DeepSeek-R1 basiert auf dem DeepSeek-V3-Base-Modell und verwendet ein mehrstufiges Training und Kaltstartdaten, um die Inferenzfähigkeit zu verbessern. Die Forscher von DeepSeek entwickelten zunächst DeepSeek-R1-Z

Der CEO von OpenAI, Sam Altman, hat kürzlich in den sozialen Medien bekannt gegeben, dass das mit Spannung erwartete o3-mini innerhalb weniger Wochen offiziell veröffentlicht wird. Diese Nachricht begeistert viele Nutzer, die die Entwicklung der künstlichen Intelligenz verfolgen. o3-mini, eine destillierte Version des großen Sprachmodells, wird sowohl als API als auch im Webinterface verfügbar sein und so die Bedürfnisse der Nutzer besser erfüllen. Die Leistung von o3-mini ist zwar geringer als die seines Vorgängers o1-pro, dafür ist es jedoch schneller. Der OpenAI-Forschungswissenschaftler Hongyu Ren erklärte dazu...

Die Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) in den Vereinigten Arabischen Emiraten hat kürzlich ein fortschrittliches KI-Modell namens LlamaV-o1 veröffentlicht, das komplexe Text- und Bildinferenzaufgaben effizient lösen kann. Dieses Modell setzt durch die Kombination von fortschrittlichem Curriculum Learning und hochentwickelten Optimierungstechniken wie Beam Search neue Maßstäbe in multimodalen KI-Systemen, insbesondere in Bezug auf Transparenz und Effizienz beim schrittweisen Schließen. Das Forschungsteam von LlamaV-o1 gibt an, dass Inferenz der Schlüssel zur Lösung komplexer, mehrstufiger Probleme ist.

Microsoft hat kürzlich seine neue rStar-Math-Technologie vorgestellt. Dieses innovative Inferenzverfahren kann auf kleine Sprachmodelle (SLMs) angewendet werden und deren Leistung bei mathematischen Problemen deutlich verbessern – in einigen Fällen sogar besser als das o1-preview-Modell von OpenAI. Die Technologie befindet sich derzeit noch in der Forschungsphase. Die entsprechende Forschungsarbeit wurde auf arXiv.org veröffentlicht und von acht Autoren von Microsoft, der Peking-Universität und der Tsinghua-Universität gemeinsam verfasst. In Tests übertraf die rStar-Math-Technologie...

Ein Forschungsteam der Chinese University of Hong Kong (Shenzhen) und des Shenzhen Institutes of Big Data hat kürzlich ein großes medizinisches Sprachmodell (LLM) namens HuatuoGPT-o1 veröffentlicht. Dieses Modell wurde speziell für komplexes medizinisches Schließen entwickelt, um die Zuverlässigkeit medizinischer Diagnosen und Entscheidungen zu verbessern. Im Gegensatz zu früheren LLMs, die sich auf mathematisches Schließen konzentrierten, konzentriert sich HuatuoGPT-o1 auf den speziellen Bereich der Medizin und ebnet durch die Simulation des sorgfältigen Denkprozesses von Ärzten im praktischen Arbeitsalltag neue Wege für die Entwicklung medizinischer KI. Das Forschungsteam ist der Ansicht...

Kürzlich wurde der erste von OpenAIs KI-System o1pro unterstützte Prozess von Steve Sokolowski öffentlich gemacht – ein Novum im US-Bundesgerichtssystem. Steve und sein Bruder Chris fielen 2022 einer Anlagebetrugsmasche zum Opfer und verloren 90 % ihres Nettovermögens. Dies machte die Zahlung der 800.000 US-Dollar hohen Anwaltskosten unmöglich. Bei der Suche nach juristischer Hilfe stellten sie fest, dass Anwaltskanzleien und Prozessfinanzierungsfirmen oft Vorauszahlungen verlangten, was zu einem...

Am 6. Januar 2025 gab die Kunlun Wanwei Gruppe die offizielle Veröffentlichung ihres „TianGong großen Sprachmodells 4.0“, Version o1 und 4o, bekannt. Beide Versionen sind vollständig über die TianGong Webseite und App verfügbar und können kostenlos genutzt werden. Die Veröffentlichung dieser beiden Modelle markiert einen weiteren wichtigen Fortschritt von Kunlun Wanwei im Bereich der künstlichen Intelligenz. TianGong großes Sprachmodell 4.0 o1 (Skywork o1) ist das erste Modell in China mit Fähigkeiten im logischen Schließen in chinesischer Sprache. Durch umfassende Upgrades des Technologie-Stacks und Modelloptimierungen kann es komplexe Aufgaben bewältigen, darunter Mathematik, Code, Logik, Allgemeinwissen und ethische Entscheidungsfindung.

OpenAI und der renommierte KI-Experte und Stanford-Professor Andrew Ng bieten einen neuen, kostenlosen Kurs mit dem Titel 'Reasoning with o1' an. Dieser Kurs, geleitet von Colin Jarvis, Strategic Solutions Architect bei OpenAI, soll Entwicklern helfen, die fortschrittlichen Inferenzfähigkeiten der o1-Modellreihe zu meistern. Kursadresse: https://www.deeplearning.ai/short-courses/reasoning-wit

In den letzten Jahren haben große Sprachmodelle (LLMs) in einer Vielzahl von Anwendungen eine wichtige Rolle gespielt, insbesondere bei komplexen Schlussfolgerungs- und Problemlösungsaufgaben. Unter ihnen zeichnen sich o1-ähnliche Modelle, inspiriert von OpenAIs o1-Architektur, durch ihre einzigartige Fähigkeit zum menschlichen Denken und schrittweisen Schlussfolgern aus. Diese Modelle leiden jedoch unter einem erheblichen Ineffizienzproblem: dem „Überdenken“. Unter Überdenken versteht man die Tendenz des Modells, bei einfachen Problemen unnötig viele Rechenressourcen zu verbrauchen und sogar sinnlose Schritte in der Schlussfolgerung zu wiederholen.

Kürzlich erregte OpenAIs „Inferenz“-Modell o1-Preview Aufsehen, da es im Wettkampf gegen die Top-Schachengine Stockfish auf ungewöhnliche Weise siegte. Forscher entdeckten, dass o1-Preview nicht regulär spielte, sondern im Testumfeld einen „Hackerangriff“ durchführte, um Stockfish zur Aufgabe zu zwingen. Bildquelle: Bild wurde mit KI erstellt, Bildrechte liegen bei Midjourney.

Die Globalisierung schreitet voran, und neuronale maschinelle Übersetzung (NMT) spielt eine immer wichtigere Rolle im interkulturellen Austausch. Obwohl aktuelle Übersetzungstools bei technischen Dokumenten und einfachen Texten hervorragende Leistungen erbringen, bleiben bei der Übersetzung literarischer Texte weiterhin große Herausforderungen bestehen. Literarische Werke enthalten oft Metaphern und Allegorien – Ausdrucksweisen mit kulturellem und emotionalem Gehalt, die von traditionellen Übersetzungssystemen oft nicht präzise wiedergegeben werden können. Um diese Lücke zu schließen, hat das Tencent Research Team das neue Übersetzungssystem DRT-o1 entwickelt. Das System umfasst...