昨日，有最新消息称，OpenAI 神秘的“草莓”（Strawberry）最早可能在今年秋季发布，并将在该项目的帮助下开发出能力全面超越 GPT-4 的最新大语言模型，其内部代号为 Orion，可以显著推动人工智能领域的发展。
据两名参与该项目的知情人士透露，OpenAI 最早要发布草莓的聊天机器人版本，并会作为 ChatGPT 的一部分功能推出。草莓的增强逻辑与推理能力可以使 AI 系统提前规划并具备深度研究能力，从而为后续能够实现复杂决策和任务执行的更多自主 AI 智能体铺平道路。
此外，草莓预计将负责生成高质量的合成训练数据，借此为 Orion 提供关键助力，这种方法有望减少错误并提高下一代模型的整体性能。
还有网友曝料称，Orion 将是 OpenAl 跳过 GPT-5 直接推出的 GPT-6 版本。
图源 @indigo：https://x.com/indigo11/status/1828565975844733145
数学是生成式 AI 发展的基础，如果 AI 模型掌握数学能力，将拥有更强的推理能力，甚至可以解决从未见过的数学问题或自发性解决变成问题，媲美人类智慧，而这一点也是目前的大语言模型还无法做到的。
据悉，草莓系统的目的是强化 OpenAI 的模型推理能力，处理复杂科学和数学问题的能力，让大模型不仅能生出答案，还能提前规划，以便自主、可靠浏览网络，进行 OpenAI 定义的深度研究。
知情人士透露，OpenAI 正在使用更大版本的草莓生成提供给 Orion 的训练用数据，这种由 AI 生成的训练数据也被称作“合成数据”（Synthetic Data）。与之前的模型相比，草莓与高质量合成数据的结合有望减少 Orion 的出错几率，有望帮助 OpenAI 提升获取高品质数据的能力。有研究表明，高质量数据正是打造强大且高效的 AI 模型的关键前提。
前不久，OpenAI 首席执行官 Sam Altman 的确公开强调了高质量数据对于训练 AI 模型的重要性。当时，Altman 还透露，目前 OpenAI 已有足够的数据来训练 GPT-4 之后的下一个模型，同时也在尝试使用合成数据。
对此，Minion AI 的首席执行官、GitHub Copilot 的前首席架构师 Alex Graveley 表示，使用草莓产生更高质量的训练数据可以帮助 OpenAI 减少其模型产生的错误数量，也就是所谓的 AI 幻觉（Hallucination）。“想象一下‘没有幻觉的模型’，你问它一个逻辑难题，它第一次就答对了。之所以能够做到这一点，是因为训练数据中的模糊性更少，因此它的猜测更少。”Graveley 进一步解释。
草莓项目的前身为 Q*，自去年秋天开始流传 OpenAI 可能取得更大突破以来，就一直是 AI 社区的猜测话题。当时据说， Q* 能够解决棘手的科学和数学问题，并很快被贴上了秘密 AGI 项目的标签。之后，Altman 又间接证实了 Q* 的存在，对外称这是一次 “不幸的泄密”。
知情人士表示，草莓旨在解决大模型以往未曾见过的数学问题并优化编程任务，其增强逻辑还有望使其在拥有充足“思考”时间的情况下，更加有效地解决与语言相关的挑战。
在内部演示中，草莓成功拼出了《纽约时报》上刊登的字谜“Connections”。该模型还可为其他更先进的 AI 系统提供支撑，帮助其在生成内容的同时还可采取操作行动。OpenAI 还在内部文件中描述了使用草莓模型实现互联网自主搜索的计划，希望让 AI 掌握提前规划和深入研究的能力。
此外，之前有外媒报道，OpenAI 已经对一款在 MATH 基准测试中得分超过 90% 的 AI 模型进行了内测。MATH 基准测试是一系列冠军级数学问题，包含高中生和大学生数学竞赛的问题，被视作衡量 AI 系统在解决复杂数学问题方面的性能基准。相比之下，最初的 GPT-4 得分约为 53%，而 GPT-4o 的得分为 76.6%。
而最新消息称，这一分数高于 90% 的模型很可能就是草莓，今年夏天 OpenAI 还向美国国家安全官员展示了草莓模型。考虑到安全问题，这款强大的模型不直接对公众提供服务，以防止被美国限制的国家拿它来合成数据训练更强大的模型。
OpenAI 会在草莓的基础上提供一个更小的蒸馏版对外提供服务，这样部署成本也更低，完整的草莓会被该公司内部用来生成高质量的合成数据。有网友评价道，“好货当然先留给自己用，确保竞争对手与自己有隔代差别。”也有网友猜测，“肉眼可见 OpenAI 需要靠美国政府提供资金了，因为已经无法从市场上筹集到足够的资金了。”
另值得一提的是，草莓系统的诞生与 OpenAI 前首席科学家 Ilya Sutskever 和斯坦福大学都有所关联。
据说，草莓这个项目算是由 Ilya 启动的，也是他为草莓提供了设计思路和基础。在他离开之前，OpenAI 的研究人员 Jakub Pachocki 和 Szymon Sidor 基于 Sutskever 的工作开发了 Q*。现在他出走并建立自己的初创企业 Safe SuperIntelligence，专注于开发更安全的超级 AI。
在 Q* 的研究过程中，OpenAI 的研究人员开发了一种被称为「测试时计算」（test-time computation）的概念变体，该方法使模型有机会花更多时间考虑用户命令或问题的所有部分，旨在提升大语言模型的解题能力。当时，Ilya 还发表了一篇围绕相关成果的博客文章。
还有报道指出，草莓系统与斯坦福大学研究人员提出的“自学推理机”（STaR）方法有着相似之处，都旨在提高人工智能的推理和问题解决能力，使其超越 GPT-4 等现有语言模型所能达到的水平。
思路上，这两种方法都是教人工智能一步一步地 “推理 ”或 “思考”来得出更好的解决方案，Quiet-STaR 教语言模型生成并学习在文本中任何位置继续的可能理由，而 Q* 则旨在将语言模型与规划算法相结合。另一个类似的方面是测试时计算（test-time computation）的重要性：无论是在 Quiet-STaR 还是在 Q* 中，都是人工智能思考的时间越长，结果就越好。
据悉，草莓模型是否会在今年年内推出尚不确定，但最初发布的应该是原始模型的精简版本，强调以更少的算力消耗提供类似的性能。自 2023 年 3 月原始模型发布以来，OpenAI 也曾利用这项技术降低 GPT-4 各变体的运行门槛。
按照 OpenAI 的猜想，未来 AI 会经历聊天机器人（具有对话语言的人工智能）、推理者（人类水平的问题解决）、代理者（可以采取行动的系统）、创新者（可协助发明的人工智能）、组织者（可以完成组织工作的人工智能）共 5 个阶段，而草莓系统极有可能是帮助其实现第二级 AI（推理者，人类层级的问题解决）的关键。
由于推理能力限制，目前 AI 技术在诸如航天、结构工程之类的数学密集型行业中并没有广泛应用。因此，大模型数学推理能力的最佳化成为普及 AI 应用的必备条件，也是 AI 公司进一步提升获利能力的必经之路。
谷歌 DeepMind 同样在研究具备高级数学能力的 AI 系统。他们先后开发出 AlphaProof 与 ALphaGeometry 2，后者还在国际数学奥林匹克竞赛中斩获银牌。然而，目前仍不清楚这些模型的扩展与推广效果究竟如何。
