AI推理模型進展或於2026年趨平，Epoch AI研究顯示

非營利AI研究機構Epoch AI的一項研究指出，AI領域可能很快將面臨推理AI模型性能顯著提升的挑戰。報告預測，這些模型的進展可能在明年內放緩。

高級推理模型，如OpenAI的o3，近期在AI基準測試中推動了顯著的進步，特別是在數學和編碼任務方面。這些模型利用增加的計算能力來提升性能，儘管這通常導致比傳統模型更長的處理時間。

推理模型的創建過程是先在海量數據集上訓練標準模型，隨後進行強化學習，為模型提供反饋以精進其問題解決能力。

根據Epoch的說法，像OpenAI這樣領先的AI實驗室尚未在推理模型開發的強化學習階段大量使用計算資源。

這一趨勢正在改變。OpenAI透露，其用於訓練o3的計算能力大約是其前身o1的十倍，Epoch認為這大部分資源被分配到強化學習。OpenAI研究員Dan Roberts最近表示，公司計劃進一步優先考慮強化學習，可能使用比初始模型訓練更多的計算資源。

然而，Epoch指出，強化學習可應用的計算能力存在上限。

Epoch的分析師兼研究作者Josh You指出，標準AI模型訓練的性能增益目前每年翻四倍，而強化學習的增益每三到五個月增長十倍。他預測，推理模型的進展到2026年可能與整體AI進展趨於一致。

TechCrunch Sessions: AI展示

預留您的TechCrunch Sessions: AI展示空間，向超過1,200名決策者展示您的創新成果，費用不貴。名額開放至5月9日或額滿為止。

TechCrunch Sessions: AI展示

預留您的TechCrunch Sessions: AI展示空間，向超過1,200名決策者展示您的創新成果，費用不貴。名額開放至5月9日或額滿為止。

Epoch的研究依賴於某些假設，並納入了AI行業領袖的公開聲明。研究還強調，推理模型的規模擴展可能面臨計算限制以外的其他障礙，如高昂的研究間接成本。

“持續的研究成本可能限制推理模型的可擴展性，”You解釋道。“由於快速的計算規模擴展是其進展的關鍵因素，這值得密切關注。”

任何推理模型可能很快達到性能上限的跡象，都可能在AI行業中引發關注，該行業已對其開發投入了大量資金。研究已顯示，這些模型儘管運行成本高昂，但存在顯著缺陷，包括比某些傳統模型更容易產生不準確的輸出。