OpenAI“雙12”直播第二天，依舊簡短精悍，主題：
新功能強化微調（Reinforcement Fine-Tuning），使用極少訓練數據即在特定領域輕松地創建專家模型。
少到什么程度呢？最低幾十個例子就可以。
CEO奧特曼表示“效果一級棒，是我2024年最大的驚喜，期待看到人們構建什么！”
那么效果有多棒呢？
微調后的o1-mini模型得分提高80%，直接反超o1正式版。
目前OpenAI已開啟強化微調研究計劃，開發者可以申請強化微調API的alpha版本訪問權限。
進行測試時，可使用幾十到幾千個高質量數據，模型能夠通過強化學習自行探索和學習如何推理復雜任務。
蹲守直播間的網友們聽得也是one愣one愣的，完全沒有料想到今晚“圣誕盲盒“是醬嬸兒的。
OpenAI員工Jerry Tworek則表示“AGI不是授人以魚，而是授人以漁”。
OpenAI微調首次支持強化學習
直播嘉賓除了Mark Chen、John Allard、Julie Wang三位OpenAI自家研究員，還有伯克利實驗室計算生物學家Justin Reese，他們共同演示了強化微調功能的全過程。