AI推理模型提升快到头了？研究：最快一年内将撞上天花板

笑忘心

5月13日消息，非营利性人工智能研究机构Epoch AI的最新分析显示，推理类AI模型的性能大幅提升可能已接近极限。报告指出，最快一年内，这类模型的进展速度就可能放缓。

近几个月来，OpenAI的o3等推理模型在AI基准测试中表现亮眼，尤其在数学和编程能力评估方面大幅领先。这类模型通过增加算力投入提升性能，但代价是任务耗时远超传统模型。

推理模型先是用海量数据训练基础模型，再运用“强化学习”技术对复杂问题的解决方案进行反馈式优化。

Epoch AI表示，OpenAI等前沿实验室在推理模型的强化学习阶段尚未投放海量算力。但这一现状正在改变。OpenAI透露，训练o3模型时的算力投入约比前代模型o1多十倍，且大部分算力都流向强化学习环节。公司研究员丹·罗伯茨（Dan Roberts）近日更透露，未来将把更多算力优先用于强化学习，甚至要超过预训练阶段的算力投入。

不过Epoch AI指出，强化学习的算力投入终有其上限。机构分析师Josh You在报告中解释说，训练传统人工智能模型带来的性能提升每年大约翻四倍，而强化学习带来的性能提升则每3到5个月增长十倍。他预计，到2026年，推理训练的进展速度“可能会与整体人工智能前沿水平趋于一致”。

Epoch AI的结论基于多项假设，并部分引用了人工智能公司高管的公开言论。但报告也强调，除算力外，高昂的研发成本等因素也可能阻碍推理模型的扩展。“如果研发持续需要高昂开支，推理模型的扩展幅度或将低于预期，”Josh You写道。“算力快速增长或是推动推理模型进步的重要因素，因此值得持续关注。”

对于已在推理模型研发上投入巨资的人工智能行业而言，任何显示其性能提升可能触及天花板的迹象都会引发忧虑。研究已表明，这类运行成本极高的模型还存在严重缺陷，比如比某些传统模型更易出现“幻觉”问题。（辰辰）

hbadsl

感谢分享！