阿里发布GPT-o1的开源实现，用AI解决没有标准答案的复杂问题。

用过GPT-o1的都知道，o1的能力要明显强于GPT4，原因是o1有拟人化的思考模式，能把一个复杂问题拆解成小问题，让整个的推理任务更加严谨。

去年阿里还经常被网友喷，因为在Github上挂了很多不开源的DEMO。

士别三日当刮目相待。

要说今年阿里是真的猛，开源了巨多AI项目。

Qwen已经是在很多开源的AI项目里被经常“标配”的大模型了。

阿里这几天又开源了Marco-o1，也算是对GPT-o1的开源实现吧。

Marco-o1的论文里也讲了，是受了o1的启发。

项目简介

Marco-o1 是由阿里巴巴 MarcoPolo 团队开发的大型推理模型，通过复杂的实际问题解决任务优化人工智能的推理能力。Marco-o1利用链式思考（CoT）微调、蒙特卡罗树搜索（MCTS）和反思机制，提高了问题解决的精确度和广度。Marco-o1应用于数学、物理和编程等领域，并且致力于开放式解决方案，特别是在难以量化奖励的领域内具有广泛的适用性和优越的性能。

开放式解决方案，实际就是针对没有标准答案的问题来做出更好的回答。

DEMO

这是一个测试大模型经典的“草莓”问题，strawberry中有多少个“r”。

答案是3没问题，但粉色框里的推理过程中可以看到，最后一个字母“y”被忽略掉了，还是有进步空间的。

Marco-o1在翻译方面有非常强的能力。

下面这个case是对“这双鞋有踩屎感”的翻译。

对于“踩屎感”的翻译，说实话没有很惊艳，因为这个词不管是通过AI搜索也好，还是通过后期训练学习也好也能很好的理解这个词。

下面这两段翻译，就能对比出来了。Marco-o1的翻译更能准确地传达原文的意思和情感，也更加地道。

技术特点

1、链式思考微调（CoT）：模型通过链式思考来提升问题解决的逻辑性和深度，能够模拟人类解决复杂问题的思维过程。

2、蒙特卡罗树搜索（MCTS）：采用蒙特卡罗树搜索技术来探索最优解答路径，增强模型在多步推理任务中的表现。

3、反思机制：通过自我反思机制，模型能够评估和修正其行动策略，提高决策的准确性。