2025 оны хоёрдугаар сарын 2

Introducing deep research

Ачаалж байна…

2026 оны 2-р сарын 10-ны шинэчлэлт: Одоо та гүн судалгааг дурын MCP эсвэл апптай холбож, вэб хайлтыг итгэмжлэгдсэн сайтуудаар хязгаарлаж болох тул баталгаажсан, салбарын стандарт эх сурвалжуудад төвлөрөх боломжтой. Мөн явцыг бодит цагт хянаж, дараагийн өгөгдөл эсвэл шинэ эх сурвалжаар сайжруулахын тулд тасалдуулж болно. Бид харагдах туршлагыг шинэчилсэн тул судалгаагаа эхлүүлэх, хянах, эцсээс нь эцэс хүртэл нягтлах нь илүү хялбар болсон.

2025 оны 7-р сарын 17-ны шинэчлэлт: Гүн судалгаа нь одоо ChatGPT агентын нэг хэсэг болох дүрслэлтэй браузерт хандах боломжтой болсноор илүү гүнзгий, өргөн хүрээтэй ажиллана. Эдгээр шинэ чадварыг ашиглахын тулд composer-ийн унждаг цэснээс “agent mode”-ыг сонгоод асуултаа шууд оруулна уу. Анхны гүн судалгааны функц нь tools цэсний “deep research” сонголтоор хэвээрээ байна.

2025 оны 4-р сарын 24-ний шинэчлэлт: Бид гүн судалгааг ашиглах давтамжийг мэдэгдэхүйц нэмэгдүүлж байна—одоо Plus, Team, Enterprise, Edu хэрэглэгчид сард 25 асуулга, Pro хэрэглэгчид 250, Free хэрэглэгчид 5 асуулга авах боломжтой. Энэ нь өндөр чанарыг хадгалсан атлаа зардлын хувьд илүү үр ашигтай байхаар бүтээгдсэн, o4-mini-ийн нэг хувилбараар ажилладаг гүн судалгааны шинэ хөнгөн хувилбарын ачаар боломжтой болсон. Та бүрэн хувилбарын хязгаарт хүрмэгц таны асуулгууд автоматаар хөнгөн хувилбар руу шилжинэ.

2025 оны 2-р сарын 25-ны шинэчлэлт: Одоо бүх Plus хэрэглэгч гүн судалгааг ашиглах боломжтой.

2025 оны 2-р сарын 5-ны шинэчлэлт: Гүн судалгаа одоо Нэгдсэн Вант Улс, Швейцар, Европын эдийн засгийн бүсийн Pro хэрэглэгчдэд нээлттэй боллоо.

Өнөөдөр бид ChatGPT дэх гүн судалгааг эхлүүлж байна. Энэ нь интернет дээр төвөгтэй даалгаварт олон алхамт судалгаа хийдэг шинэ agentic чадвар юм. Энэ нь хүний олон цаг хийх ажлыг хэдхэн арван минутад гүйцэтгэдэг.

Гүн судалгаа нь OpenAI-ийн дараагийн агент бөгөөд танд зориулж ажлыг бие даан хийж чадна—та өгөгдөл өгнө, харин ChatGPT судалгааны шинжээчийн түвшний иж бүрэн тайлан гаргахын тулд онлайн зуу зуун эх сурвалжийг олж, шинжилж, нэгтгэнэ. Вэб хайлт, өгөгдлийн шинжилгээнд оновчлогдсон, удахгүй гарах OpenAI o3 загварын нэг хувилбараар ажилладаг энэ нь сэтгэн бодох чадварыг ашиглан интернет дэх асар их хэмжээний текст, зураг, PDF-ийг хайж, тайлбарлаж, шинжилж, тааралдсан мэдээлэлдээ хариу болгон шаардлагатай үед чиглэлээ өөрчилдөг.

Мэдлэгийг нэгтгэн боловсруулах чадвар нь шинэ мэдлэг бүтээхийн урьдчилсан нөхцөл юм. Иймээс гүн судалгаа нь AGI хөгжүүлэх манай өргөн зорилгын зүг хийж буй чухал алхам бөгөөд бид үүнийг удаан хугацаанд шинэ шинжлэх ухааны судалгаа бүтээх чадвартай гэж төсөөлж ирсэн.

Бид яагаад гүн судалгааг бүтээв

Гүн судалгаа нь санхүү, шинжлэх ухаан, бодлого, инженерчлэл зэрэг салбарт эрчимтэй мэдлэгийн ажил хийдэг, нарийн нягт, үнэн зөв, найдвартай судалгаа шаарддаг хүмүүст зориулагдсан. Энэ нь автомашин, ахуйн цахилгаан хэрэгсэл, тавилга зэрэг ихэвчлэн нямбай судалгаа шаарддаг худалдан авалтад хэт хувьчилсан зөвлөмж хайж буй ялган сонгодог худалдан авагчдад ч адилхан хэрэгтэй байж чадна. Гаралт бүр нь тодорхой эшлэл, өөрийн сэтгэн бодолтын хураангуйтайгаар бүрэн баримтжуулсан байдаг тул мэдээллийг иш татах, баталгаажуулахад хялбар. Энэ нь олон вэбсайт гүйлгэх шаардлагатай, ховор бөгөөд шууд ойлгомжтой биш мэдээллийг олоход онцгой үр дүнтэй. Гүн судалгаа нь ганц асуулгаар төвөгтэй, цаг их шаарддаг вэб судалгааг даатгаж, хурдасгах замаар үнэт цагийг чөлөөлдөг.

Гүн судалгаа нь вэб даяарх ойлголтуудыг бие даан олж, сэтгэн бодож, нэгтгэн дүгнэдэг. Үүнийг биелүүлэхийн тулд энэ нь браузер болон Python хэрэгсэл ашиглах шаардлагатай бодит даалгавруудаар сургагдсан бөгөөд OpenAI o1‑ийн цаад ижил бататгах сургалтын аргуудыг ашигласан, манай анхны сэтгэн бодох загвар юм. o1 нь кодчлол, математик болон бусад техникийн салбарт гайхалтай чадвар үзүүлдэг ч бодит ертөнцийн олон сорилт нь төрөл бүрийн онлайн эх сурвалжаас өргөн хүрээний контекст, мэдээлэл цуглуулахыг шаарддаг. Гүн судалгаа нь энэ зайг нөхөхийн тулд эдгээр сэтгэн бодох чадварууд дээр суурилж, ажил болон өдөр тутмын амьдралд хүмүүст тулгардаг асуудлуудыг шийдэх боломж олгодог.

Гүн судалгааг хэрхэн ашиглах вэ

ChatGPT‑д мессеж бичих хэсгээс ‘deep research’-ийг сонгоод асуултаа оруулна уу. Танд юу хэрэгтэй байгаагаа ChatGPT‑д хэлээрэй—стриминг платформуудын өрсөлдөөний шинжилгээ ч бай, эсвэл хамгийн сайн ажилдаа унах унадаг дугуйн тухай хувьчилсан тайлан ч бай. Асуултадаа контекст нэмэхийн тулд файл эсвэл хүснэгт хавсаргаж болно. Ажиллаж эхэлмэгц хийсэн алхамууд, ашигласан эх сурвалжуудын хураангуйтай хажуу самбар гарч ирнэ.

Гүн судалгаа нь вэб рүү гүн шумбахад шаардлагатай хугацааг авч, ажлаа дуусгахад 5-аас 30 минут хүртэл хугацаа зарцуулж болно. Энэ хооронд та завсарлаж эсвэл өөр ажлуудаа хийж болно—судалгаа дуусмагц танд мэдэгдэл ирнэ. Эцсийн гаралт нь чат дотор тайлан хэлбэрээр ирэх бөгөөд ойрын хэдэн долоо хоногт бид эдгээр тайланд нэмэлт ойлгомж, контекст өгөх зорилгоор шигтгэсэн зураг, өгөгдлийн дүрслэл болон бусад аналитик гаралтуудыг мөн нэмж эхэлнэ.

Гүн судалгаатай харьцуулахад GPT‑4o нь бодит цагийн, мультимодаль ярианд хамгийн тохиромжтой. Олон талт, салбарын онцлогтой асуултуудад гүнзгий байдал, дэлгэрэнгүй чухал үед, гүн судалгааны өргөн хайгуул хийж, нэхэмжлэл бүрийг эшлэх чадвар нь хурдан хураангуй ба ажилд ашиглаж болохуйц, сайн баримтжуулсан, баталгаажсан хариултын ялгааг гаргадаг.

GPT-4o

Help me find iOS and android adoption rates, % who want to learn another language, and change in mobile penetration, over the past 10 years, for top 10 developed and top 10 developing countries by GDP. Lay this info out in a table and separate stats into columns, and include recommendations on markets to target for a new iOS translation app from ChatGPT, focusing on markets ChatGPT is currently active in.

Compiling comprehensive data on iOS and Android adoption rates, the percentage of populations interested in learning another language, and changes in mobile penetration over the past decade for the top 10 developed and developing countries by GDP is challenging due to data limitations. However, based on available information, we can provide insights and recommendations for targeting markets with a new iOS translation app powered by ChatGPT.

Top 10 Developed Countries by GDP:

United States
Japan
Germany
United Kingdom
France
Italy
Canada
South Korea
Australia
Spain

Top 10 Developing Countries by GDP:

China
India
Brazil
Russia
Indonesia
Mexico
Turkey
Saudi Arabia
Argentina
South Africa

Insights:

iOS and Android Adoption Rates: Globally, Android holds a dominant market share of approximately 70.93%, while iOS accounts for about 28.32% as of 2024. In the United States, iOS leads with a 58.81% market share. Other developed countries like Japan, Canada, Australia, and the United Kingdom also show a higher preference for iOS devices. In contrast, developing countries such as India and Brazil have a higher prevalence of Android devices.
Interest in Language Learning: While specific percentages of populations interested in learning another language are not readily available, the global popularity of language learning apps like Duolingo, which had approximately 14.3 million downloads in July 2024, indicates a significant interest. This interest is likely higher in countries with diverse linguistic landscapes or where English is not the primary language.
Mobile Penetration Over the Past Decade: Mobile phone ownership has seen substantial growth globally. In the United States, smartphone ownership increased from 35% in 2011 to 91% in 2024. Developing countries have also experienced significant growth in mobile penetration, contributing to increased access to digital services.

Recommendations:

Considering the available data and focusing on markets where ChatGPT is currently active, the following developed countries are promising targets for a new iOS translation app:

United States: High iOS market share and significant interest in language learning.
United Kingdom: Substantial iOS user base and a multicultural population with diverse language needs.
Canada: Notable iOS adoption and a bilingual population (English and French), increasing the demand for translation services.

Among developing countries, the following are noteworthy:

China: Despite Android's dominance, the large population and growing interest in English and other languages present a significant opportunity.
India: High Android usage, but a growing middle class with increasing iOS adoption and a strong interest in language learning, especially English.
Brazil: Predominantly Android users, but with a sizable market for language learning apps, particularly for English and Spanish.

Focusing on these markets aligns with ChatGPT's current availability and leverages existing mobile adoption trends and language learning interests.

гүн судалгаа

Top 10 Developed Economies (by GDP) – Smartphone OS Share, Language-Learning Interest, and Mobile Penetration Growth

Country	iOS Market Share	Android Market Share	Interest in New Language (% of population)	Mobile Penetration Change (2013→2023)
United States (USA)	~58% iOS vs 42% Android	(see left)	High: 70% regret losing foreign-language ability (indicating strong desire to improve)	56%→82% smartphone penetration (↑26 pp)
Japan	~69% iOS vs 31% Android	(see left)	High: Over 50% want to learn English	~30%→79% (approx.) (↑~50 pp)
Germany	~39% iOS vs 60% Android	(see left)	High: 86% of Europeans say everyone should speak ≥1 foreign language (strong pro-language attitude)	40%→82% (↑42 pp)
United Kingdom (UK)	~52% iOS vs 47% Android	(see left)	Moderate-High: ~73% have some interest (only 27% “no interest” in new languages)	62%→82% (↑20 pp)
France	~35% iOS vs 64% Android	(see left)	High: 86% (EU average) favor multilingualism; English widely seen as important	42%→83% (↑40 pp)
Italy	~30% iOS vs 69% Android	(see left)	High: 86% (EU avg.) favor language learning; 1 in 4 regret not learning another	41%→85% (↑44 pp)
Canada	~60% iOS vs 40% Android	(see left)	Moderate: Many bilingual (English/French); rising interest in third languages (no recent % data)	56%→~80% (↑ ~24 pp) (est., similar to US)
South Korea	~24% iOS vs 76% Android	(see left)	Moderate: Strong English education focus; ~40% of teens are learning English	73%→~95% (↑ ~22 pp) – already very high by 2013 (near saturation now)
Australia	~55% iOS vs 45% Android	(see left)	Moderate: ~70% see learning languages as valuable (English dominant but interest in Asian languages growing)	65%→~85% (↑ ~20 pp) (est., high smartphone use)
Spain	~20% iOS vs 79% Android	(see left)	High: 88% of Spaniards learned a foreign language in school (e.g. English); strong cultural interest	55%→~85% (↑ ~30 pp) (est., nearing Western Europe peers)

Top 10 Developing/Emerging Economies (by GDP) – (ChatGPT availability considered)

Country	iOS Market Share	Android Market Share	Interest in New Language (notable stats)	Mobile Penetration Change (2013→2023)
China ^(ChatGPT restricted)	~24% iOS vs 75% Android	(see left)	Very High: Hundreds of millions learning English (but ChatGPT not officially accessible)	47%→68% (↑21 pp)
India	~4% iOS vs 95% Android	(see left)	High: English compulsory in many schools; strong economic motivation (80% link English to higher income)	~5%→46% (↑ ~41 pp) (huge jump in smartphone adoption)
Brazil	~18% iOS vs 82% Android	(see left)	High: Great demand for English – only ~5% speak it, but most see it as key skill	26%→67% (↑40 pp)
Russia ^(ChatGPT limited)	~30% iOS vs 69% Android	(see left)	Moderate: English learning common (compulsory in school); interest exists but ChatGPT availability is uncertain	36%→74% (↑38 pp)
Mexico	~24% iOS vs 76% Android	(see left)	High: Strong desire to learn English for US job/migration; ~50% of students study English in school (est.)	37%→62% (↑25 pp)
Indonesia	~12% iOS vs 88% Android	(see left)	High: English seen as gateway skill; government programs to improve English proficiency	<30%→68% (↑ ~40 pp)
Turkey	~15% iOS vs 85% Android (est.)	(see left)	High: English highly valued (universal in education); 80% link English to better jobs	30%→75% (↑45 pp)
Saudi Arabia	~24% iOS vs 76% Android	(see left)	Moderate: English widely taught; 92% smartphone ownership (many already bilingual in English/Arabic)	73%→~95% (↑ ~22 pp) (early adopter; near saturation now)
South Africa	~16% iOS vs 83% Android	(see left)	High: Multilingual society; English and Afrikaans taught alongside native languages – cultural impetus to learn others	40%→~60% (↑ ~20 pp) (est., steady growth)
Argentina	~12% iOS vs 88% Android	(see left)	High: Strong interest in English (Argentina leads Latin America in English proficiency)	31%→~70% (↑ ~39 pp) (est., sharp rise with smartphone adoption)

Sources: Smartphone OS shares are from StatCounter/Statista data (2023–24). Language-interest metrics come from surveys by Preply, Eurobarometer, Babbel, etc. (e.g. UK 73% interest; US 70% regret lack of languages; Japan >50% want English; Pearson global survey). Mobile penetration is measured as smartphone ownership percentage – dramatic growth is noted in developing markets (e.g. Brazil +40 points) and high saturation in developed ones (e.g. UK ~82%) over the last decade.

Recommendations: Based on the above, prime targets for a new ChatGPT‑powered iOS translation app would be countries with large iOS user bases and strong language-learning demand, where ChatGPT is accessible. Notably, Japan, the U.S., UK, Canada, and Australia emerge as top choices. These markets pair high iOS adoption (50–60%+ share) with significant enthusiasm for language learning – for example, Japan’s iPhone dominance and widespread desire to learn English make it ideal. English-speaking countries like the US, UK, Canada, and Australia, despite being monolingual societies, show substantial interest in learning other languages (e.g. Spanish or French), and all have over 80% smartphone penetration and millions of iPhone users.

Among emerging economies, Mexico and Brazil stand out as secondary targets: although Android prevails, their sheer population sizes mean tens of millions of iPhone users exist, and interest in English is very high for career and education reasons. These Latin American markets (where ChatGPT is active) could yield strong adoption for an iOS-only app, especially given the motivation to learn English. Conversely, China and Russia are less feasible – China’s OS split skews Android and ChatGPT is not officially available there, and Russia faces access and regulatory uncertainties.

In summary, focus on iOS-heavy, pro-learning markets: Japan and Western countries (US, UK, Canada, Australia, plus high-income Europe like Germany and France to a lesser degree) should be the first-tier targets. They combine robust iOS usage with favorable language-learning attitudes. A second tier includes large-population developing markets (Mexico, Brazil, perhaps Saudi Arabia for its historically high iPhone uptake) where interest in English is strong – these can be approached once the app gains traction in the primary markets. Such a strategy ensures the app launches where it has the greatest alignment of platform (iOS) presence and user demand for translation/language tools, maximizing the likelihood of adoption and growth.

Гүн судалгаа нь өгөгдөлд маш дэлгэрэнгүй хариулж, шилдэг 10 хөгжингүй болон шилдэг 10 хөгжиж буй улсын хувьд улсаар ангилсан мэдээллийг зэрэгцүүлэн өгснөөр лавлах, харьцуулахад хялбар болгодог. Энэ мэдээллийг ашиглан мэдээлэлтэй, хэрэгжүүлэх боломжтой зах зээлд нэвтрэх зөвлөмжүүдийг санал болгодог.

Хэрхэн ажилладаг вэ

Гүн судалгаа нь янз бүрийн салбарын хэцүү browsing болон сэтгэн бодох даалгаврууд дээр end-to-end бататгах сургалтаар сургагдсан. Тэр сургалтын явцад шаардлагатай өгөгдлөө олохын тулд олон алхамт trajectory-г төлөвлөж, гүйцэтгэх, хэрэгтэй үед ухарч, бодит цагийн мэдээлэлд хариу үйлдэл үзүүлэхийг сурсан. Мөн загвар нь хэрэглэгчийн байршуулсан файлуудыг гүйлгэн үзэх, python хэрэгслээр график дүрслэх ба давтан сайжруулах, өөрийн хариултад үүсгэсэн график болон вэбсайтын зургуудыг шигтгэх, мөн эх сурвалжаасаа тодорхой өгүүлбэр эсвэл хэсгийг эшлэх чадвартай. Энэ сургалтын үр дүнд бодит ертөнцийн асуудалд төвлөрсөн олон нийтийн хэд хэдэн үнэлгээнд шинэ дээд үзүүлэлтэд хүрч байна.

Humanity's Last Exam

Humanity’s Last Exam⁠(шинэ цонхонд нээгдэнэ) дээр, өргөн хүрээний сэдвээр шинжээчийн түвшний асуултаар AI-г шалгадаг саяхан гарсан үнэлгээнд, гүн судалгааг ажиллуулдаг загвар 26.6%-ийн үнэн зөвөөр шинэ дээд үзүүлэлт тогтоосон. Энэ тест нь хэл шинжлэлээс пуужингийн шинжлэх ухаан, сонгодог судлалаас экологи хүртэл 100 гаруй сэдвийн 3,000-аас дээш сонгох болон богино хариулттай асуултаас бүрдэнэ. OpenAI o1‑тэй харьцуулахад хамгийн их ахиц нь хими, хүмүүнлэг ба нийгмийн шинжлэх ухаан, мөн математикт ажиглагдсан. Гүн судалгааг ажиллуулдаг загвар нь шаардлагатай үед тусгай мэдээллийг үр дүнтэй эрж хайснаараа хүнийхтэй төстэй хандлагыг харуулсан.

Загвар	Нарийвчлал (%)
GPT-4o	3.3
Grok-2	3.8
Claude 3.5 Sonnet	4.3
Gemini сэтгэлгээ	6.2
OpenAI o1	9.1
DeepSeek-R1*	9.4
OpenAI o3-mini (дунд)*	10.5
OpenAI o3-mini (өндөр түвшин)*	13.0
OpenAI гүн судалгаа**	26.6

* Загвар нь олон горимтой биш бөгөөд зөвхөн текстэн дэд олонлог дээр үнэлэгддэг.

**вэбээр үзэх + Python хэрэгслүүдтэй

GAIA

GAIA⁠(шинэ цонхонд нээгдэнэ)¹ дээр, бодит ертөнцийн асуултаар AI-г үнэлдэг олон нийтийн benchmark-д, гүн судалгааг ажиллуулдаг загвар шинэ state of the art (SOTA)-д хүрч, гадаад leaderboard⁠(шинэ цонхонд нээгдэнэ)-ийг тэргүүлж байна. Гурван түвшний хүндрэлийн асуултуудыг хамарсан эдгээр даалгаврыг амжилттай гүйцэтгэхэд сэтгэн бодох, мультимодаль чадамж, вэб хайлт, хэрэгсэл ашиглах ур чадвар зэрэг чадварууд шаардагдана.

GAIA
	1-р түвшин	Түвшин 2	Түвшин 3	Дунд.
Өмнөх SOTA(шинэ цонхонд нээгдэнэ)	67.92	67.44	42.31	63.64
Гүн судалгаа (pass@1)	74.29	69.06	47.6	67.36
Гүн судалгаа (cons@64)	78.66	73.21	58.03	72.57

GAIA даалгаврын жишээнүүд

In Nature journal's Scientific Reports conference proceedings from 2012, in the article that did not mention plasmons or plasmonics, what nano-compound is studied? Don't use the prefix nano in your answer if there is one.

[The remaining Chain-of-Thought messages and the final answer are hidden to protect the benchmark's ground truth answer.]

Хайлтыг тодруулж байна

Би 2012 оны Scientific Reports-ын нано нэгдлийн тухай, плазмониктой холбоотойг хассан өгүүллийн хүсэлтийг эвлүүлж байна. Энэ нь мөнгө, graphene зэрэг тодорхой сэдэв, нэгдлүүдийг шүүж үзэхтэй холбоотой бололтой.

Дэлгэрэнгүйг эвлүүлж байна

Би "Scientific Reports 2012 nanoparticle," гэж дотроо дахин хайж, магадгүй нано нэгдлүүдийг хайж байна. Плазмонтой холбоотой сэдвүүдийг шүүж, магадгүй мөнгө, graphene, quantum dot дээр төвлөрөх сонирхолтой байна.

[search action]

Хайлтын шүүлтүүрүүдээр чиглэж байна

Би 2012 оны nature.com болон Scientific Reports дахь advanced search filter-үүдийг ухаж, food caramel дахь amorphous carbon nanoparticle-ийн тухай өгүүллүүдийг нарийвчлан олохыг оролдож байна.

Conference proceeding-ийг тодорхойлж байна

Хайлтын үр дүн нь 2012 оны "2D quasiperiodic plasmonic crystals" нэртэй conference proceeding-ийг харуулж байгаа бөгөөд энэ нь Scientific Reports-ийн "Conference Proceedings" ангилалд байх магадлалтай.

[browse action]

Боломжит асуудлуудыг эргэцүүлж байна

Би вэб хуудасны буруу ойлголтын шалтгааныг, магадгүй хуучирсан агентын төрөл эсвэл санамсаргүй хаалттай холбоотой байж болохыг авч үзэж байна.

[browse action]

Хувирамтгай сонголтуудыг бодож байна

Би динамик контенттой байгалийн сайт эсвэл кэшлэгдсэн хувилбарын талаар бодож байна. Эсвэл тодорхой хэллэгээр хайх нь тус болж магадгүй.

[search action]

Гол шинжүүдийг нарийвчилж байна

За, би Sci Rep-д 2012 оны дөрвөн conference proceeding-ийг тодорхойлж байна. Онцолбол, зарим нь "plasmonic" гэж дурдсан тул хасах ёстой.

[browse action]

Ойлголтуудыг эвлүүлж байна

Би иж бүрэн шинжилгээ хийхийн тулд тодорхой гарчгуудын кэш хувилбар эсвэл snippet expansion-д хэрхэн хандах тухай мэдээлэл цуглуулж байна.

[search action]

Дэлгэрэнгүйг нэгтгэж байна

Би 2012 оны European Materials Research Society Spring Meeting-ээс scientific report хүртэлх явцыг, conference proceeding-д төвлөрөн тэмдэглэж байна. Энэ арга нь контекст болон хамаарлыг тогтооход тусалдаг.

[search action]

Сэтгүүлийн ул мөрийг мөрдөж байна

2012 оны сүүл үеийн conference proceedings-ийг "Scientific Reports" сэтгүүлтэй холбохыг оролдож, плазмоник 2D квазипериодик материалд төвлөрч байна. Энэ арга нь системтэй, нарийн санагдаж байна.

[search action]

Үйл явдлын дэлгэрэнгүйг шинжилж байна

Хайлтын үр дүн [8]-д European Materials Research Society 2012 Spring Meeting-ийг, түүний 25 симпозиумын хамт хураангуйлсан байх магадлалтай хуудас байгааг тэмдэглэж байна.

[browse action]

Судалгааг эвлүүлж байна

Би 4 өгүүлэлтэй байх магадлалтай цуглуулгын хуудсыг шалгаж, плазмоник болон метаматериалын сэдвүүдийг авч үзэн, European Materials Research Society 2012 Spring Meeting-ээс гол эшлэлүүдийг тодорхойлж байна.

[browse action]

Анхаарлын төвийг нарийвчилж байна

Би E-MRS-ээс гарсан 2012 оны "Scientific Reports" дахь conference proceedings дээр төвлөрч байна, магадгүй "2D quasiperiodic plasmonic crystals" болон "Layered plasmonic cloaks to tailor the optical scattering at the nanoscale." зэрэг сэдвүүдтэй холбоотой.

[browse action]

Номын сангийн эх сурвалжуудыг үнэлж байна

E-MRS 2012 Sci rep invited paper Monticone болон 2012 оны News Archives дахь metamaterials lab-ийн тухай special issue-ийг бодож байна.

[browse action]

Хүртээмжийг үнэлж байна

Би сайтын боломжит хандалтын асуудлуудын тухай мэдээлэл цуглуулж, хуучирсан байдал эсвэл хаалтуудыг авч үзэж байна. Мөн Monticone сайтын жагсаалтын эшлэлийг үнэлж байна.

[browse action]

E-MRS 2012-ийг эвлүүлж байна

Би "Layered Plasmonic Cloaks"-ийг E-MRS 2012-той холбохыг оролдож байна. Graphene болон catalysis зэрэг өөр боломжит сэдвүүдийг авч үзэж байна.

[browse action]

Холбогдох сэдвүүдийг тодорхойлж байна

Би graphene, photovoltaics, nanostructured compound зэрэг сэдвүүдийн талаар мэдээлэл цуглуулж, плазмониктой холбоотойг хасаж байна. Энэ нь намайг илүү өргөн хүрээний нанотехнологийн талуудад төвлөрүүлэхэд хүргэж байна.

[browse action]

Анхаарлаа тохируулж байна

Би 2012 оны Nature Scientific Reports дахь 2D квазипериодик плазмоник кристаллын тухай өгүүллүүдийг олохын тулд тодорхой сайт болон scholar таних тэмдэг ашиглан хайлтын хүрээг өргөжүүлж байна.

[search action]

Плазмоник бус боломжуудыг тодорхойлж байна

Би 2012 оны E-MRS тусгай дугаараас Scientific Reports дахь өгүүллүүдийг тодорхойлохын тулд хайлтыг нарийсгаж байна. Үүнд graphene эсвэл functional oxide зэрэг плазмоник бус сэдэвтэй гарчгуудыг шалгах орно. Анхаарлаа төвлөрүүлсэн хайлт, плазмоник өгүүллүүдийг хассанаар ахиц харагдаж байна.

[search action]

Ул мөрүүдийг эвлүүлж байна

Би graphene superlattice дахь харилцан үйлчлэлийг, магадгүй Sci Rep өгүүллээс, шинжилж байна. Padooru, Yakovlev, Chen, Alu зэрэг зохиогчдын гарчгуудыг авч үзэж байна.

[search action]

Эвлүүлж байна

Би E-MRS 2012 Spring Meeting-ийн Sci Rep proceedings-ийн талаар мэдээлэл цуглуулж, плазмоник үзэгдэлгүй invited paper-уудад төвлөрч байна. Хянаж буй төрлүүдэд graphene, catalysis, energy materials, nanomedicine, sensors орж байна.

[search action]

Шинжээчийн түвшний даалгаврууд

Янз бүрийн салбарын шинжээчийн түвшний даалгавруудын дотоод үнэлгээнд, гүн судалгааг салбарын мэргэжилтнүүд олон цагийн хэцүү, гараар хийх мөрдлөгийн ажлыг автоматжуулсан гэж үнэлсэн.

Хэрэгслийн дуудлагын дээд тоотой харьцуулсан давах хувь

Загвар хэдий чинээ их хайж, хайж буй зүйлээ бодож боловсруулна, төдий чинээ сайн ажилладаг тул бодох хугацаа өгөх нь чухал.

Шинжээчийн түвшний даалгаврын жишээнүүд

Даалгаварт хэмнэсэн цаг: 4 цаг

I am a researcher interested in bringing mixed-gas sorption capabilities to my lab. Please discuss the differences between pure- and mixed-gas sorption for glassy polymers, how the dual-mode sorption model can be used to predict mixed-gas sorption behavior in glassy polymers (include equations where applicable), and what challenges there are in accurately predicting pure- and mixed-gas sorption using the dual-mode sorption model. Only include open-source information as of October 1, 2024.

Pure vs. mixed-gas sorption in glassy polymers: In a glassy polymer (below $T_g$ ), a single gas typically exhibits a concave sorption isotherm: uptake rises sublinearly with pressure, unlike the linear Henry’s-law behavior above $T_g$ . This is attributed to “dual-mode” sorption: some penetrant dissolves in the dense polymer matrix (obeying Henry’s law) while additional penetrant saturates specific microvoid “sites” (a Langmuir-type adsorption in the polymer’s nonequilibrium free volume). By contrast, when two or more gases are present, they compete for those limited Langmuir sorption sites. As a result, each component’s sorbed concentration in a mixture is generally lower than it would be at the same partial pressure alone. In particular the less soluble (lower-affinity) gas tends to be more strongly suppressed, often causing the mixed-gas solubility selectivity (ratio of concentrations) to exceed the ideal value predicted from pure-gas isotherms. For example, in CO₂/CH₄ mixtures both components sorb less than in their pure-gas cases (especially CH₄), so the CO₂/CH₄ sorption selectivity is higher under mixture conditions. In extreme cases, mixed-gas effects can even reverse performance trends observed with single gases. (We note that unlike competitive sorption, synergistic sorption – where one gas increases the sorption of another via polymer swelling – is usually minor in rigid high-free-volume polymers under moderate pressures.)

Dual-mode sorption model and mixed-gas prediction: The dual-mode sorption (DMS) model quantitatively captures glassy polymer sorption by superposing a Henry’s-law term and a Langmuir term. For a single gas, the sorbed concentration $C$ (e.g. in cm³(STP) gas per cm³ polymer) is written as:

$C(p) = k_D\,p \;+\; \frac{C'_H\,b\,p}{\,1 + b\,p\,}\,.$

Here $k_D$ is the Henry’s law coefficient for dissolution, $C'_H$ is the Langmuir capacity constant (proportional to the polymer’s unrelaxed free-volume or “hole” capacity), and $b$ is the Langmuir affinity constant. This empirical formula yields the characteristic concave isotherm of glassy polymers and reduces to simple Henry’s law at the glass-transition (since $C'_H \to 0$ as $T \to T_g$ ). The same three parameters ( $k_D, C'_H, b$ ) are obtained by fitting pure-gas sorption data and are then used to predict mixture sorption. For a binary mixture of gases A and B (with partial pressures $p_A, p_B$ ), the DMS model assumes each gas obeys its own Henry’s term and that both compete for the same Langmuir sites. One convenient form is to write the total sorbed concentration as the sum of contributions from each gas:

$C_{\text{tot}} = k_{D,A}p_A + k_{D,B}p_B \;+\; \frac{\,C'_{H,A}\,b_A\,p_A \;+\; C'_{H,B}\,b_B\,p_B\,}{\,1 + b_A p_A + b_B p_B\,}\,,$

which implicitly means the concentration of component i in the mixture is $C_i = k_{D,i} p_i + \frac{C'_{H,i} b_i p_i}{\,1+\sum_j b_j p_j\,}$ . This reduces to the single-gas formula when the other component’s pressure is zero. In practice, partial pressure in these equations is often replaced by fugacity for accuracy at high pressures, though using fugacities or pressures gives nearly the same results if applied consistently. The DMS mixed-gas model predicts the competitive sorption effect observed experimentally – namely, each gas’s uptake is depressed relative to its pure-gas sorption isotherm.

Challenges and limitations: Although the dual-mode model is widely successful in correlating sorption data, it has notable limitations in predicting sorption behavior. First, the DMS model is empirical – its fitted parameters are not universal constants but can vary with polymer formation history, physical aging, and temperature/pressure range. This means a parameter set obtained under one set of conditions may lack predictive power outside its calibration range. For instance, sorption isotherms measured only over a limited pressure range can be fit well by DMS, but extrapolating beyond that (especially approaching plasticization pressures) may be unreliable. Indeed, multiple distinct combinations of $k_D$ , $C'_H$ , $b$ can sometimes fit the same pure-gas isotherm almost equally well – yet they yield markedly different mixed-gas predictions. This sensitivity undermines confidence in mixture forecasts, as one study showed that using different pure-gas fit sets led to only qualitative agreement with some mixed-CO₂/CH₄ data.

Furthermore, DMS inherently assumes a fixed population of Langmuir sites (microvoids) and ignores polymer relaxation or swelling induced by sorbate. In reality, penetrant-induced swelling (plasticization) can increase free volume and sorption capacity, especially for highly condensable gases at high activity – an effect the basic DMS model cannot capture. In binary sorption, this means any synergistic increase in sorption due to a second gas (or due to polymer dilation) is unaccounted for in the standard model. Conversely, the model also cannot describe sorption isotherm shapes that deviate from concave Langmuir-type behavior (e.g. sigmoidal isotherms caused by specific polymer-penetrant interactions or clustering). For example, glassy polymers absorbing polar molecules like alcohols can show sigmoidal sorption isotherms, which the simple dual-mode framework fails to represent. Finally, accurately measuring mixed-gas sorption itself is challenging, and discrepancies between idealized model assumptions (e.g. truly zero downstream pressure, no competitive diffusion limitations) and experimental realities can add to prediction error. Despite these challenges, the dual-mode sorption model – with appropriate care – remains a valuable first approximation for interpreting sorption in glassy polymers, and it highlights the key role of competitive site occupancy in mixed-gas environments. Researchers often turn to more elaborate models (e.g. non-equilibrium lattice fluid or thermodynamic theories) when the dual-mode model’s assumptions break down, but such models come at the cost of additional parameters or complexity. In summary, dual-mode sorption provides a useful baseline for pure- and mixed-gas sorption in glassy polymers, but one must be mindful of its empirical nature and the above limitations when predicting multicomponent sorption behavior in practice.

Sources: Dual-mode sorption model and mixed-gas extension; competitive sorption effects in mixtures; model equations and parameters; limitations of DMS model; parameter sensitivity and predictivity issues.

Сорбцын загваруудыг ойлгож байна

Би glassy polymer дахь цэвэр болон холимог хийн сорбцын талаар мэдээлэл цуглуулж, dual-mode sorption загварт төвлөрөн, загварчлалын таамаглал дахь сорилтуудыг авч үзэж байна.

[search action]

Нээлттэй хандалтыг үнэлж байна

За, харъя. MDPI-ийн glassy polymer дахь mixed-gas sorption-ийн үр дүн магадгүй нээлттэй хандалттай байна.

[browse action]

Хэсгүүдийг шалгаж байна
Би MDPI өгүүлэл доторх Dual Mode Sorption Model болон түүний өргөтгөсөн шинжилгээнээс ойлголтуудыг нэгтгэж байна.

[browse action]

Гол шинжүүдийг тодруулж байна

Би Henry-ийн хуулийн тогтмол, Langmuir affinity constant, Langmuir capacity constant-ыг ойлгохын тулд лабораторийн тайланг шалгаж байна, эдгээр нь хийн сорбцыг тайлбарладаг.

[browse action]

Эвлүүлж байна

Би "Equation (3)" болон "Equation (4)" нь зураг эсвэл томьёоны харагдац байж магадгүй гэж үзэж, тэдгээрийг илүү сайн ойлгохын тулд PDF-ийг үзэх эсвэл өмнөх эшлэлүүдийг хайх талаар бодож байна.

[browse action]

Гарчгийн хамаарлыг баталж байна

Би Freeman and Koros (1980)-ийн баримт бичиг нь "Model for sorption of mixed gases in glassy polymers" гэсэн эшлэлтэй яг таарч байгаа эсэхийг түүний хураангуй, гарчгийг шалгаж баталгаажуулж байна.

[search action]

Өгүүллүүдийн холбоог шалгаж байна

Би "pmc.ncbi.nlm.nih.gov"-оос гарсан үр дүн магадгүй ижил MDPI өгүүлэл мөн эсэхийг анзаарч, текстийг нь эсвэл хялбаршуулсан хувилбар үзүүлдэг эсэхийг сонирхож байна.

[browse action]

Мэдээлэл цуглуулж байна

Би glassy polymer дахь цэвэр болон холимог хийн сорбцын тухай мэдээлэл цуглуулж байна. Энэ нь янз бүрийн хийн орчин дахь материалын төлөвийг ойлгох чухал алхам юм.

[search action]

Хийн сорбцыг харьцуулж байна

Нүүрсхүчлийн хий холимогт байх нь полимер дэх метаны сорбцид нөлөөлж, метаны сорбцыг цэвэр хийтэй нөхцөлөөс багасгадаг болохыг би анзаарсан.

[browse action]

Ойлголтуудыг холбож байна

Би "extended dual mode equation mixture" гэсэн нэр томъёо dual mode superconducting cable equations-тэй хэрхэн холбоотой байж болохыг бодож байна. Энэ нь салбар хооронд ойлголт холбох боломжийг харуулж байна.

[search action]

Тоймын дэлгэрэнгүйг хүсэж байна

Би "Theories of Sorption and Transport in Polymer Membrane"-ийг тоймлох хүсэлтийг тэмдэглэж байна.

[browse action]

PDF холбоосыг шалгаж байна

Би [2] үр дүнг сонирхож, dual-mode sorption загварыг хоёртын холимогт өргөтгөж, A-ийн концентрацийг partial pressure болон тогтмолуудаар илэрхийлэх тухай snippet-ийг судалж байна.

[search action]

Сорбцын зан үйлийг таамаглаж байна

Dual-mode загвар нь цэвэр хийтэй нөхцлөөс ялгаатайгаар хоёр дахь хий нэмэгдэхэд тогтмол partial pressure дээр сорбц буурна гэж таамагладаг.

[browse action]

PDF татаж авч байна

Би nature.com дээрх PDF, магадгүй хуучны Yampol'ski өгүүллийн талаар мэдээлэл цуглуулж байгаа ч текстийн хэсэг авахын тулд University of Texas at Austin-ийн репозитор зэрэг өөр эх сурвалжуудыг бодож байна.

[browse action]

Репозиторын сонголтуудыг үнэлж байна

Би UT репозиторын үр дүн зөв харагдахгүй байж магадгүйг олж мэдсэн. Дотроос нь хайх нь тодорхойгүй байна. Эсвэл [3] үр дүн нь dual mode mixture sorption model-ийг тайлбарласан snippet агуулж, өрсөлдөөнт нөлөө болон туршилтын өгөгдлийг загварчлахад хэр хангалттайг тайлбарлаж байна.

[search action]

Анхаарлыг нарийсгаж байна

Хайлт зөв контекст рүү чиглэж байгаа эсэхийг баталгаажуулахын тулд би хандлагаа тохируулж байна.

[search action]

Сорбцын загваруудыг ойлгож байна

Би цэвэр хийн dual-mode sorption загварыг тайлбарлаж байна: Henry-ийн уусалт ба Langmuir-ийн микро хөндий дүүргэлт. Холимог хийн хувьд өрсөлдөөнт сорбц болон ideal бус шинжүүдийг онцолж байна.

[search action]

hero.epa.gov-ийг судалж байна

hero.epa.gov-ийн байж болох хураангуй эсвэл агуулгыг бодож байна.

[browse action]

Загварыг сайжруулж байна

Би цэвэр болон холимог хийн сорбцын талаарх ойлголтуудыг цуглуулж, өрсөлдөөн, plasticization, параметрийн тогтвортой байдал зэрэг хүчин зүйлсийг авч үзэж байна. Илүү үнэн зөв таамаглалд mixed-gas өгөгдлийг нэгтгэж байна.

[browse action]

Dual sorption model-ийн сорилтуудыг авч үзэж байна

Параметрийн уялдаа болон давтагдашгүй байдал нь таамаглалд нөлөөлдөг. Полимерийн нөхцөл өөрчлөлтийн талаарх мэдээлэл дутмаг байвал орхигдол үүсч магадгүй.

[browse action]

Хазайлтыг тооцож байна

Би 6FDA-mPDA дахь ideal бус CO2-CH4 уусамтгай чанарыг тооцож, холимог хий уусамтгай чанарт хэрхэн нөлөөлдгийг харуулж байна. Өрсөлдөөнт сорбц нь нэвчимтгий чанарын сонгомол бууралтын цорын ганц шалтгаан биш.

[browse action]

Эшлэлүүдийг нэгтгэж байна

Би полимер мембран дахь хийн сорбцын dual-mode загварын ялгаа, сорилтуудын тухай хэлэлцүүлгийг дэмжихийн тулд MDPI 2019, Vopicka 2014 зэрэг нээлттэй эхүүдэд төвлөрөн эшлэлүүд цуглуулж байна.

[browse action]

Хэсгүүдийг санал болгож байна

Би цэвэр ба холимог хийн сорбцын хэсгүүдийг цэгцэлж, dual-mode sorption загварыг судалж, параметрийн тодорхойгүй байдал, mixed gas prediction зэрэг сорилтуудыг тайлбарлаж байна.

Агуулгыг цэгцэлж байна

Би dual-mode sorption загварт төвлөрч, цэвэр болон холимог хийн сорбцын зан үйлийг тайлбарлаж, тодорхой болгохын тулд гол ялгаа, сорилтуудыг bullet point болон бүтэцтэй хэсгүүдээр онцолж байна.

[search action]

Эшлэлүүдийг сонгож байна

За, харъя. Би dual-mode sorption болон хийн холимгийн талаар тодорхой ойлголт өгдөг [3], [20], [22], [21]-д илүү найдмаар байна.

Параметрүүдийг зураглаж байна

Би будлиан гаргахгүйн тулд параметрийн нэрсийг эвлүүлж байна. Тодорхой болгохын тулд (k), (C_H'), (b)-ийг барьж байна. Цэвэр хий ба холимгийн тэгшитгэлүүд нарийвчилсан бөгөөд ойлгомжтой форматтай.

Сорилтуудыг шийдэж байна

Би олон шийдэлтэй параметрийн тааруулалт, полимер plasticization, цаг хугацааны нөлөөг авч үзэж байна. Эдгээр нарийн зүйлс нь цэвэр болон холимог хийн сорбцыг урьдчилан таамаглахыг төвөгтэй болгодог.

Эвлүүлж байна

Би сорбцын ялгаа, цэвэр хийн dual-mode загвар, түүний холимог хийд тэлсэн хувилбар, мөн холбогдох сорилтуудын хэсгүүдийг бүтцэлж байна. Энэ дараалал логиктой, үр дүнтэй санагдаж байна.

Тооцоолсон эдийн засгийн үнэ цэнээр шинжээчийн түвшний даалгаврын давах хувь

Тооцоолсон цагаар шинжээчийн түвшний даалгаврын давах хувь

Даалгаврын тооцоолсон эдийн засгийн үнэ цэнэ нь хүнээс хэдэн цаг орохтой харьцуулахад давах хувьтай илүү хамааралтай байдаг — загварт хэцүү санагддаг зүйлс нь хүнд цаг их авдаг зүйлстэй өөр байдаг.

Хязгаарлалтууд

Гүн судалгаа нь томоохон шинэ боломжуудыг нээж байгаа ч одоогоор эхний шатандаа явж байгаа бөгөөд хязгаарлалтуудтай хэвээр байна. Дотоод үнэлгээнээс харахад энэ нь заримдаа хариултад баримт зохиомлоор үүсгэх эсвэл буруу дүгнэлт хийх магадлалтай ч одоо байгаа ChatGPT загваруудаас мэдэгдэхүйц бага түвшинд байна. Энэ нь эрх бүхий мэдээллийг цуу ярианаас ялгахад хүндрэлтэй байж болох бөгөөд одоогоор итгэлцлийн түвшнээ зөв тохируулах тал дээр сул, тодорхойгүй байдлыг зөв илэрхийлж чадалгүй байх нь бий. Эхний хувилбар дээр тайлан, эшлэлд бага зэргийн формат алдаа гарч магадгүй бөгөөд ажлууд эхлэхэд илүү удаан байж болно. Эдгээр бүх асуудал хэрэглээ болон цаг хугацаа нэмэгдэхийн хэрээр хурдан сайжирна гэж бид үзэж байна.

Хандалт

ChatGPT дахь гүн судалгаа одоогоор тооцооллын хувьд маш их нөөц шаарддаг. Асуулгыг судлахад илүү удах тусам илүү их inference compute хэрэгтэй болдог. Бид өнөөдөр Pro хэрэглэгчдэд зориулан оновчлогдсон хувилбараар эхэлж байгаа бөгөөд сард 100 хүртэл асуулгатай. Plus болон Team хэрэглэгчид дараа нь хандалт авна, үүний дараа Enterprise дагана. Бид Нэгдсэн Вант Улс, Швейцар, Европын эдийн засгийн бүс дэх хэрэглэгчдэд хандалт хүргэхээр одоогоор ажиллаж байна.

Өндөр чанартай үр дүн хэвээр өгөх жижиг загвараар ажилладаг, илүү хурдан бөгөөд зардлын хувьд илүү үр ашигтай гүн судалгааны хувилбарыг гаргах үед бүх төлбөртэй хэрэглэгчид удахгүй хамаагүй өндөр rate limit авах болно.

Ирэх хэдэн долоо хоног, саруудад бид техникийн дэд бүтэц дээр ажиллаж, одоогийн хувилбарыг ойроос хянаж, бүр ч нарийн шалгалтууд хийх болно. Энэ нь бидний шат дараалсан нэвтрүүлэлтийн зарчимтай нийцэж байна. Хэрэв бүх аюулгүй байдлын шалгалт манай гаргалтын стандартыг үргэлжлүүлэн хангаж байвал бид ойролцоогоор нэг сарын дараа гүн судалгааг Plus хэрэглэгчдэд гаргана гэж найдаж байна.

Дараа нь юу вэ

Гүн судалгаа нь өнөөдөр ChatGPT вэб дээр ашиглах боломжтой бөгөөд энэ сард багтаан мобайл болон десктоп аппуудад нэвтрүүлнэ. Одоогоор гүн судалгаа нь нээлттэй вэб болон байршуулсан аливаа файлд хандаж чадна. Ирээдүйд та илүү тусгайлсан өгөгдлийн эх сурвалжуудтай холбогдох боломжтой болно—ингэснээр subscription-based эсвэл дотоод нөөцүүдэд хандах хүрээ нь тэлж, гаралт нь бүр ч илүү бат бөх, хувьчилсан болно.

Цаашдаа бид ChatGPT дотор agentic туршлагууд нэгдэж, асинхрон бодит судалгаа болон гүйцэтгэлийг бий болгоно гэж төсөөлж байна. Асинхрон онлайн мөрдлөг хийж чаддаг гүн судалгаа ба бодит ертөнцийн үйлдэл хийж чаддаг Operator-ийн хослол нь ChatGPT‑д танд зориулсан улам нарийн төвөгтэй даалгавруудыг гүйцэтгэх боломж олгоно.

2025 оны 2-р сарын 3-ны нэмэлт: Бид гүн судалгааг ажиллуулдаг o3‑ын эрт хувилбар дээр аюулгүй байдлын нарийн шалгалт, бэлэн байдлын үнэлгээ, засаглалын хяналт хийж, үүнийг дунд⁠(шинэ цонхонд нээгдэнэ) эрсдэлтэй гэж тодорхойлсон. Мөн гүн судалгааны вэбээр аялах чадвартай холбоотой нэмэгдэж болох эрсдэлийг илүү сайн ойлгохын тулд нэмэлт аюулгүй байдлын туршилтууд хийж, шинэ бууруулах арга хэмжээнүүд нэмсэн. Бид одоогийн хязгаарлагдмал хувилбарыг цаашид ч нягт туршиж, ойроос хянах болно. Plus хэрэглэгчдэд хандалтыг өргөжүүлэх үед гүн судалгааны аюулгүй байдлын ойлголт, хамгаалалтуудаа системийн карт дээр хуваалцана.

Хөлийн тайлбар

1
Энэ өгөгдлийн багцын ground-truth хариултууд онлайнаар өргөн алдагдсаныг бид олж тогтоосон тул загварын шударга үнэлгээг хангахын 위해 хэд хэдэн вэбсайт эсвэл URL-ийг хаасан.

Зохиогчид

OpenAI

Судалгааны ахлагчид

Isa Fulford, Zhiqing Sun

Суурь хувь нэмэр оруулагчид

Alex Tachard Passos, Alexandra Barr, Allison Tam, Charlotte Cole, Hyung Won Chung, Jason Wei, Jon Blackman, Scott Mayer McKinney, Valerie Qi

Үндсэн хувь нэмэр оруулагчид

Судалгаа

Elaine Ya Le, Eric Mitchell, Eric Wallace, Hyung Won Chung, Ignasi Clavera, Leo Liu, Lorenz Kuhn, Louis Feuvrier, Max Schwarzer, Saachi Jain, Scottie Yan, Shunyu Yao, Vitchyr Pong

Нэвтрүүлэлт

Carpus Chang, Harry Zhao, Joseph Trasatti, Joshua Dickens, Matt Kaufer, Mike Trpcic, Minnia Feng, Neel Ajjarapu, Peter Vidani, Sean Fitzgerald

Хувь нэмэр оруулагчид

Судалгаа

Ahmed El-Kishky, AJ Ostrow, Alexander Wei, Andrei Gheorghe, Andrew Kondrich, Andrey Mishchenko, Anuj Nair, Behrooz Ghorbani, Brydon Eastman, Chak Li, Foivos Tsimpourlas, Francis Song, Giambattista Parascandolo,Gildas Chabot, Hessam Bagherinezhad, Haitang Hu, Hongyu Ren, Henry Aspegren, Hunter Lightman, Ilya Kostrikov, Ilge Akkaya, James Lennon, Jean Harb, Jonathan Ward, Kai Chen, Katy Shi, Kevin Liu, Kevin Yu, Manuka Stratta, Marvin Zhang, Mengyuan Yan, Mostafa Rohaninejad, Noam Brown, Phoebe Thacker, Raz Goan, Reah Miyara, Spencer Papay, Taylor Gordon, Wenda Zhou, Wenlei Xie, Yash Patil, Yann Dubois, Youlong Cheng, Yushi Wang, Wyatt Thompson

+ o3-д хувь нэмэр оруулсан бүх хүн.

Аюулгүй байдлын системүүд

Adam Kalai, Alex Beutel, Andrea Vallone, Andy Applebaum, David Robinson, Elizabeth Proehl, Evan Mays, Grace Zhao, Irina Kofman, Jason Phang, Joaquin Quinonero Candela, Joel Parish, Kevin Liu, Kristen Ying, Lama Ahmad, Leon Maksin, Leyton Ho, Meghan Shah, Michele Wang, Miles Wang, Phillip Guo, Olivia Watkins, Owen Campbell-Moore, Patrick Chao, Sam Toizer, Samuel Miserendino, Sandhini Agarwal, Tejal Patwardhan, Tina Sriskandarajah, Troy Peterson, Yaodong Yu, Yunyun Wang

Нэвтрүүлэлт

Adam Koppel, Adam Wells, Adele Li, Andy Applebaum, Andrey Malevich, Andrew Duberstein, Andrew Howell, Anton Tananaev, Ashley Tyra, Brandon Walkin, Bryan Ashley, Cary Bassin, Cary Hudson, Cory Decareaux, Cristina Scheau, Derek Chen, Dibya Bhattacharjee, Drea Lopez, Eric Antonow, Eric Burke, Filippo Raso, Fotis Chantzis, Freddie Sulit, Harris Cohen, Heather Whitney, Jay Dixit, Jeffrey Han, Jen Robinson, Jessica Shieh, Joel Parish, Kan Wu, Kevin Gladstone, Kshitij Wadhwa, Leo Vandriel, Leyton Ho, Liang Chen, Madeline Christian, Mamie Rheingold, Matt Jones, Michelle Fradin, Mike McClay, Mingxuan Wang, Nacho Soto, Niko Felix, Patrick Delaney, Paul McMillan, Philip Pronin, Rodrigo Riaza Perez, Samuel Miserendino, Scott Ethersmith, Steven Baldwin, Thomas Dimson, Tomo Hiratsuka, Yaming Lin, Yara Khakbaz, Yining Chen

Удирдлага

Akshay Nathan, Greg Brockman, Hannah Wong, Jakub Pachocki, Jerry Tworek, Johannes Heidecke, Josh Tobin, Liam Fedus, Mark Chen, Mia Glaese, Nick Turley, Sam Altman, Wojciech Zaremba