最后一项测试是GPQA Diamond，主要测试的是化学、物理和生物学方面的专业知识 ... 思维链，最早出现在2022年谷歌发布论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中，是大模型提示词（Prompting）工作的一种。 在o1回答问题前，会产生一个内部 ...

OpenAI ...

OpenAI对该模型介绍道，“ o1模型是一个新的大型语言模型，经过强化学习（reinforcement learning，RL）训练，可以执行复杂的推理。o1模型在回应用户之前会产生长串的内部思维链（chain of thought）。”这种内部思维链，类似于人类通过逐步推理来解决问题。

例如：识别并纠正错误，将复杂步骤拆分为简单步骤，当前方法不work时，换一种方法在推理阶段，模型同样会在呈现给用户的cot之外，做一个更深的的所谓的long internal chain of thought，所以推理时间会更长，相当于COT套娃了，给COT再加一个COT。 但具体是怎么训练 ...