최신 뉴스
당신을 위해 엄선되었습니다
주간
최고 자리를 유지하세요

최고의 암호화폐 관련 정보를 이메일로 받아보세요.

OpenAI는 DeepSeek의 오픈소스 홍보에 걸맞게 ChatGPT의 o3-mini 모델에서 "사고의 연쇄"를 발견했다고 발표했습니다

슈마스 후마윤 지음슈마스 후마윤
읽는 데 2분 소요
OpenAI는 DeepSeek의 오픈소스 홍보에 발맞춰 ChatGPT의 o3-mini 모델에서 "사고의 연쇄"를 발견했다고 발표했습니다
  • ChatGPT의 o3-mini 모델은 이제 응답을 생성하는 데 사용된 사고 과정을 보여줍니다.
  • 이번 업데이트는 ChatGPT의 o3-mini 모델 사용자(무료 및 유료 사용자 모두) 모두에게 적용됩니다.
  • 현재로서는 요약본만 보여줄 뿐, 전체적인 근거는 제시하지 않습니다.

오픈아이(OpenAI)의 새로운 발표에 따르면, ChatGPT의 o3-mini 모델은 이제 단계별 사고 과정을 보여줍니다. 이번 업데이트는 오픈아이가 딥시크(DeepSeek)와 같은 경쟁사들의 압박에 직면하고 있는 상황에서 나온 것입니다.

목요일 오전에 OpenAI는 ChatGPT의 유료 및 무료 사용자 모두에게 "업데이트된 사고" . 사고 과정은 모델이 답을 찾는 데 사용한 추론 과정을 보여줍니다. o3-mini-high를 사용하는 유료 구독자도 이 정보를 확인할 수 있습니다.

O3-mini는 추론 모델이므로 결과를 표시하기 전에 응답에 대한 철저한 사실 검증을 거쳐야 합니다. 이는 응답의 오류나 부정확성을 방지하는 데 도움이 됩니다. 하지만 이러한 방식에는 응답 시간이 길어진다는 단점이 있습니다.

OpenAI는 DeepSeek의 오픈소스 홍보에 발맞춰 ChatGPT의 o3-mini 모델에서 "사고의 연쇄"를 발견했다고 발표했습니다
ChatGPT의 o3-mini 모델 프롬프트 (출처: OpenAI X 계정)

오픈아이(OpenAI)가 오픈소스라는 점을 내세워 점점 인기를 얻고 있는 딥시크(DeepSeek)를 따라잡으려는 듯 보입니다 . AI 연구자들은 투명성을 중시하며, 오픈아이와 달리 딥시크는 AI 기술의 접근을 막지 않는다는 점에서 올바른 접근 방식이라고 주장합니다.

DeepSeek의 R1 추론 모델은 오픈 소스일 뿐만 아니라, 사고 과정 전체를 보여주기 때문에 모델 연구가 더욱 용이합니다. 동시에 사용자 경험 향상되어 , 사용자가 모델이 잘못된 으로 가고 있는지 쉽게 파악할 수trac. 있도록 도와줍니다

OpenAI 팀은 ChatGPT를 더욱 투명하게

팀은 이번 업데이트를 꽤 오랫동안 계획해 왔습니다. 지난주인 2월 1일, 샘 알트만과 케빈 웨일을 포함한 OpenAI 팀은 레딧에서 AMA(무엇이든 물어보세요

레딧 사용자가 " 사고 과정을 보여주는 모든 토큰을 볼 수 있을까요? " 라고 질문했습니다. 이에 대해 오픈아이얼 엔지니어링 부사장은 " 사고 과정을 더 자세히 보여줄 수 있는 방법을 모색 중입니다. 기대해 주세요. " 라고 답했습니다 . 케빈 웨일 또한 같은 질문에 답하며 " 현재 보여주는 것보다 훨씬 더 많은 것을 보여주기 위해 노력하고 있다 " 고 언급했습니다  

" 명확성과 안전성을 향상시키기 위해, 모델이 원시적인 사고 과정을 검토하여 위험한 콘텐츠를 제거하고 복잡한 아이디어를 단순화하는 추가적인 후처리 단계를 도입 했습니다 . " - 오픈AI 대변인이 테크크런치. 에 밝혔습니다

따라서 OpenAI는 ChatGPT가 현재 o3-mini, o1, o1-mini 모델의 전체 추론 과정을 공개하지 않고 요약본만 표시하는 상황 임에도 불구하고, 가까운 시일 내에 더 투명한 방식을 채택할 가능성이 높습니다

암호화폐 분야의 최고 전문가들이 이미 저희 뉴스레터를 구독하고 있습니다. 함께하고 싶으신가요? 지금 바로 참여하세요.

이 기사를 공유하세요

면책 조항: 제공된 정보는 투자 조언이 아닙니다. Cryptopolitan이 페이지에 제공된 정보를 바탕으로 이루어진 투자에 대해 어떠한 책임도 지지 않습니다.tron권장합니다dent .

슈마스 후마윤

슈마스 후마윤

슈마스는 전직 기술 콘텐츠 작가이자 연구원입니다.

더 많은 뉴스
심층 암호
화폐 속성 강좌