谷歌论文提前揭示 o1 模型原理：AI 大模型竞争或转向硬件

谷歌 DeepMind 团队在 2024 年 8 月 6 日发布的论文《优化 LLM 测试时计算比扩大模型参数规模更高效》中探讨了大模型（LLM）在面对复杂问题时，是否可以通过增加测试时的计算量来提高决策质量。研究表明，增加测试时（test-time compute）计算比扩展模型参数更有效。这一发现与 OpenAI 近期发布的 o1 模型原理相似，o1 模型在给出答案之前，会生成一系列中间推理步骤，不断完善自己的思维过程，尝试不同的策略，并能识别自身错误，从而提升性能。 此外，谷歌和斯坦福大学研究人员在