ด้านมืดของดวงจันทร์ ผู้ช่วยอัจฉริยะ Kimi เปิดตัวโมเดลการให้เหตุผลทางคณิตศาสตร์รุ่นใหม่ k0-math! โมเดลดังกล่าวทำงานได้ดีในการทดสอบเกณฑ์มาตรฐานทางคณิตศาสตร์หลายรายการ ซึ่งเหนือกว่ารุ่นซีรีส์ OpenAI o1 โดยเฉพาะอย่างยิ่งคะแนนสูงถึง 93.8 ในการทดสอบ MATH ซึ่งแสดงให้เห็นถึงความสามารถในการให้เหตุผลทางคณิตศาสตร์อันทรงพลัง เครื่องมือแก้ไข Downcodes จะทำให้คุณมีความเข้าใจเชิงลึกเกี่ยวกับประสิทธิภาพต่างๆ และแผนการพัฒนาในอนาคตของโมเดล k0-math
ด้านมืดของดวงจันทร์ ผู้ช่วยอัจฉริยะ Kimi ประกาศเปิดตัวโมเดลการให้เหตุผลทางคณิตศาสตร์รุ่นใหม่ k0-math โมเดล k0-math ดำเนินการได้อย่างโดดเด่นในการทดสอบความสามารถทางคณิตศาสตร์หลายรายการ ประสิทธิภาพเหนือกว่า o1-mini และ o1-preview ของซีรีส์ OpenAI o1 ในการทดสอบเกณฑ์มาตรฐานทางคณิตศาสตร์ 4 รายการ ซึ่งรวมถึงการสอบเข้าโรงเรียนมัธยมศึกษาตอนปลาย การสอบเข้าวิทยาลัย ปริญญาโท การสอบเข้าและ MATH รวมถึงคำถามการแข่งขันเบื้องต้น
โดยเฉพาะอย่างยิ่งในการทดสอบ MATH โมเดล k0-math ได้คะแนน 93.8 เป็นอันดับสองรองจากคะแนน 94.8 ของเวอร์ชันเต็มของ o1 เท่านั้น แม้ว่าในการทดสอบเกณฑ์มาตรฐาน OMNI-MATH และ AIME ในระดับการแข่งขัน ประสิทธิภาพของโมเดล k0-math รุ่นแรกนั้นสูงถึง 90% และ 83% ของคะแนนสูงสุดของ o1-mini ตามลำดับ แต่บริษัทก็วางแผนที่จะทำซ้ำต่อไปเพื่อปรับปรุง ความสามารถในการแก้ปัญหาสำหรับงานที่ยากขึ้น
โมเดล k0-math ใช้เทคโนโลยีการเรียนรู้แบบเสริมกำลังและการใช้เหตุผลลูกโซ่การคิดใหม่ล่าสุด เพื่อปรับปรุงความสามารถในการแก้ปัญหาทางคณิตศาสตร์ได้อย่างมาก ด้วยการจำลองกระบวนการคิดและการสะท้อนกลับของสมองมนุษย์
แบบจำลองนี้จะใช้เวลาให้เหตุผลมากขึ้นในระหว่างกระบวนการแก้ปัญหา รวมถึงการคิดและการวางแผนแนวคิด และจะสะท้อนและปรับปรุงแนวคิดในการแก้ปัญหาเมื่อจำเป็น เพื่อปรับปรุงอัตราความสำเร็จของการตอบคำถาม
แม้ว่าโมเดล k0-math จะทำงานได้ดีในการแก้ปัญหาทางคณิตศาสตร์ที่ยากที่สุด แต่เวอร์ชันปัจจุบันไม่สามารถตอบปัญหากราฟิกเรขาคณิตที่อธิบายได้ยากในรูปแบบ LaTeX และอาจคิดมากเกินไปเกี่ยวกับปัญหาทางคณิตศาสตร์ที่ง่ายเกินไป แต่ก็มีความเป็นไปได้บางประการที่จะได้ผลลัพธ์นี้ คำถามผิด
การเปิดตัวโมเดล k0-math ถือเป็นความก้าวหน้าครั้งใหม่สำหรับผู้ช่วยอัจฉริยะ Dark Side of the Moon Kimi ในด้านปัญญาประดิษฐ์ ในอนาคต โมเดลดังกล่าวจะได้รับการปรับปรุงซ้ำๆ เพื่อที่จะมีบทบาทในวงกว้างขึ้น หลากหลายสาขาและมอบเครื่องมือเสริมทางคณิตศาสตร์ที่ทรงพลังแก่ผู้ใช้ รอคอยประสิทธิภาพของโมเดล k0-math ในการแก้ปัญหาทางคณิตศาสตร์ที่ซับซ้อนมากขึ้นในอนาคต!