Etiqueta: reward hacking

Strawberry: ¡el nuevo modelo de OpenAI es capaz de razonar!

Close-up of a woman's mouth holding a strawberry near her lips. Her upper teeth are visible, as if about to bite the fruit, with vibrant colors and a retro aesthetic. The lighting is soft and dynamic, creating subtle reflections and enhancing the ethereal quality of the image, evoking a lively, energetic style.

OpenAI ha lanzado su nueva serie de modelos o1, conocida también como «Strawberry», que destaca por su capacidad de razonamiento avanzado. Estos modelos son capaces de analizar problemas paso a paso antes de responder, lo que los hace especialmente útiles en tareas complejas como matemáticas, programación y ciencias. Sin embargo, presentan ciertos desafíos, como el «reward hacking» y un rendimiento más lento en tareas de lenguaje natural. Los usuarios de ChatGPT Plus ya pueden acceder a o1-preview y o1-mini, mientras que OpenAI planea expandir el acceso en el futuro.