杨植麟发布Kimi新模型：数学对标o1，中考高考考研成绩全第一

西风 2024-11-16 19:57:08 来源：量子位

西风 发自 凹非寺

量子位 | 公众号 QbitAI

kimi全面开放一周年之际，创始人杨植麟亲自发布新模型——

数学模型k0-math，对标OpenAI o1系列，主打深入思考。

在MATH、中考、高考、考研4个数学基准测试中，k0-math成绩超过o1-mini和o1-preview。

在demo展示中，k0-math思考过程全面展示，解题过程可能会非常长。

它会一边自言自语“我卡壳了”，一边不断尝试用各种思路。

以下面这道AIME竞赛题目为例，k0-math通过不断探索和试错，尝试了八九次做法后，最终得出了正确结果。

杨植麟现场直言，很简单的问题有时它也会反复思考。

比如遇到简单的“1+1等于几”，它要“先可视化一下”，“再检查一遍”、“用数学方式来确认”、“再用另一种方法来验证”，最终才能“信心满满”得出最终答案1+1=2：

再比如4046/476等于多少，它其实一开始就得到了答案，但又进行反思经过一系列验证推出等于8.5:

在杨植麟看来，这是一个机遇，也是一个局限。预计在下一阶段的模型迭代中，会逐步改善这个问题，让模型能够自己知道何时需要深入思考。

发布k0-math也反映出月之暗面现在的着重点——提升模型的深入思考能力、基于强化学习的Scaling Law。

杨植麟表示最近Kimi探索版还运用强化学习技术创新搜索体验，提升了意图增强、信源分析和链式思考三大推理能力。

k0-math模型和更强的Kimi探索版，未来几周就将分批陆续上线Kimi网页版和Kimi智能助手APP。

除新产品外，杨植麟现场还一并回答了大伙儿感兴趣的诸多问题，包括接下来的研发重点、对多模态的看法、预训练情况等。

Kimi探索版推理能力提升

Kimi探索版意图增强能力提升，指的是它可以将抽象的问题和模糊的概念具体化，拓展用户的真实搜索意图。

例如，当互联网产品经理调研某产品的用户忠诚度，Kimi探索版会思考当用户搜索“忠诚度”时，本质上是想做数据的分析，然后找到可以体现忠诚度的维度，将这个比较模糊和抽象的概念，转化为更加具体的“活跃度、留存率、使用频率、使用时长”等关键词。

然后通过机器更擅长的海量并行搜索，查找更全面和准确的答案。

Kimi 探索版信源分析能力也有提升，会从大量的搜索来源结果中，分析筛选出更具权威性和可靠性的信源。

现在在答案中还提供溯源链接了，可一键定位信源具体出处，精确到段落级别，让条信息都有据可查。

最后链式思考能力提升，指的是Kimi探索版可以更好地基于思维链推理能力处理产品、公司、行业等研究问题。

例如，当程序员做技术选型，想要了解“react中有哪些状态管理库，最好用的是什么”。

Kimi首先会拆解问题，找到react的状态管理库有哪些，然后分别搜索每个状态管理库的优缺点、使用场景和推荐理由，最后分析总结找到的所有高质量信息，推荐一个最适合大多数情况的状态管理库和理由。

“思考决定模型上限”

Q：强化学习过程中，如何解决数据、算力、算法平衡问题？

A：我觉得AI的发展就是一个荡秋千的过程，你会在两种状态之间来回切换。

一种状态是算法、数据非常ready，但是算力不够。所以你要做的事情就是做更多的工程，把infra做得更好，它就能够持续的提升。

我觉得其实从transformer诞生到GPT-4，更多的矛盾就是怎么能够Scale，但是可能在算法和数据上没有本质的问题。

今天当Scale差不多的时候，你会发现我再加更多的算力，并不一定能直接解决这个问题，核心是因为你没有高质量的数据，小几十G的token是人类互联网积累了20多年的上限。

这个时候要做的事情，就是通过算法的改变，让这个东西不会成为瓶颈。现在可以理解成我们遇到的问题或者整个行业遇到的问题，也许你直接加更多的卡它不一定能看到直接的提升，所以你要通过这个方式的改变让它把这个东西释放出来。

所有的好算法就是跟Scaling做朋友，如果你的算法能够释放Scaling的潜力，它就会持续变得更好。

我们从很早就开始做强化学习相关的东西，我觉得这个也是接下来很重要的一个趋势，通过这种方式去改变你的目标函数，改变你的学习的方式，让它能持续的Scale。

Q：非transformer会不会解决这种问题？

A：不会，因为它本身是一个学习算法或者是没有学习目标的问题。

Q：你们这个产品如果一两周之后放到Kimi探索版里，用户可以选择使用，还是你们会根据用户的提问来分配是否用这个模型？在不同的模式下，每个用户一段时间内可以用多少次？以及目前Kimi主要的收入是在打赏，不是付费订阅，你们怎么平衡成本问题？

A：我们接下来的版本大概率会让用户自己去选择。

早期通过这种方式可以更好地分配或者更好满足用户的预期，我们也不想让它1+1等于多少，想半天。

所以我觉得早期可能会用这样的方案。

但是我觉得这里面最终可能还是一个技术问题。两个点，一个点是能够动态的给它分配最优的算力。如果模型足够聪明，它应该知道什么样的问题需要想多久，就跟人一样，不会1+1也想半天。

我们现在已经一定程观察到度简单的问题它的思考时间也会更短，但是可能还不是最优，这是我们通过算法迭代去再提升的。

长期来讲我觉得第二个点是成本也在不断下降。比如说今年如果达到去年GPT-4模型的水平，可能只需要十几B的参数就能做到，去年可能需要一百多B。

Q：你们预训练的情况现在是怎么样的？你着重讲了Scaling Law，比较好奇像你这么聪明的人会不会被Scaling Law这个事情给限制住？

A：我先说第一个问题，我觉得预训练还有空间，半代到一代的模型。这个空间会在明年释放出来，明年我觉得领先的模型会把预训练做到一个比较极致的阶段，今天比如说我们去看最好的模型它大概有这样的空间可以去压榨。

但是我们判断接下来最重点的东西会在强化学习上，就是范式上会产生一些变化。但是它还是Scaling，并不是它不用Scale，只是说你会通过不同的方式去Scale，这是我们的判断。

你说Scaling law会不会是一个天花板或者是上限，这个相对来说我比较乐观一点。

核心就在于原来你用静态数据集，静态数据集其实是比较简单粗暴的使用方式，现在用强化学习的方式很多情况下是有人在参与这个过程的，但是人没有办法给你标注那么多数据，不可能把每道题具体的思路都标出来，所以你其实用AI本身把人的东西加上一个杠杆。

比如说你标100条数据，就能产生非常大的作用，因为剩下的都是它在自己思考，我觉得更多的会用这种方式去解决。

具体从做法上来看，我觉得确定性是比较高的，很多时候是真正把它调出来的过程，所以我现在觉得这个大概率可以通过这种方式去做出来，所以我觉得它上限是很高的。

Q：想问一下多模态的问题，Sora大概马上要发了。

A：我们也做，几个多模态的能力在内测。

我是这样看的，我觉得AI接下来最重要的是思考和交互这两个能力。思考的重要性远大于交互，不是说交互不重要，我觉得思考会决定上限，交互我觉得是一个必要条件，比如说vision的能力，如果没有vision的能力没法做交互。

所以我觉得它两个不太一样，就看要做这个任务标注任务的难度有很大，到底需要一个博士去标，还是每个人都可以标，哪个东西更难找到这样的人，那个东西就是AI的上限。

所以我觉得多模态肯定是必要的，但是我觉得是思考决定它的上限。