OpenAIના એક મોડલે 80 વર્ષ જૂની એકમ-અંતર સમસ્યા ઉકેલી, વિભાજિત ભૂમિતિમાં એક મુખ્ય અનુમાનને ખોટું સાબિત કર્યું અને AI-આધારિત ગણિતમાં એક માઇલસ્ટોન નોંધાવ્યો.

We’ve simplified, stabilized, and scaled continuous-time consistency models, achieving comparable sample quality to leading diffusion models, while using only two sampling steps.

અમે SWE-bench નો માનવ-માન્ય ઉપસમૂહ રજૂ કરી રહ્યા છીએ, જે વાસ્તવિક સોફ્ટવેર સમસ્યાઓ હલ કરવાની AI મોડલ્સની ક્ષમતાનું વધુ વિશ્વસનીય મૂલ્યાંકન કરે છે.

OpenAI અને Los Alamos National Laboratory અત્યાધુનિક મોડેલ્સ સાથે જોડાયેલી જૈવિક ક્ષમતાઓ અને જોખમોને આંકવા અને માપવા માટે સલામતી મૂલ્યાંકનો વિકસાવવા પર કામ કરી રહ્યા છે.

અમે GPT-4 Omni ની જાહેરાત કરીએ છીએ, અમારું નવું ફ્લેગશિપ મોડેલ જે રીઅલ ટાઇમમાં ઑડિયો, વિઝન અને ટેક્સ્ટમાં રિઝનિંગ કરી શકે છે.

અમે GPT-4 બનાવ્યું છે, જે OpenAIના ડીપ લર્નિંગનું સ્કેલિંગ વધારવાના પ્રયત્નમાં નવીનતમ માઇલસ્ટોન છે. GPT-4 એક મોટું મલ્ટીમોડલ મોડલ છે (જે છબી અને લખાણ ઇનપુટ્સ સ્વીકારે છે અને લખાણ આઉટપુટ્સ આપે છે) જે, વાસ્તવિક દુનિયાની ઘણી પરિસ્થિતિઓમાં માનવો કરતાં ઓછી ક્ષમતા ધરાવતું હોવા છતાં, વિવિધ વ્યાવસાયિક અને શૈક્ષણિક બેન્ચમાર્ક્સ પર માનવ-સ્તરનું પ્રદર્શન દર્શાવે છે.

We built a neural theorem prover for Lean that learned to solve a variety of challenging high-school olympiad problems, including problems from the AMC12 and AIME competitions, as well as two problems adapted from the IMO.