标题：OpenAI新模型o4：强化学习驱动的推理革命 OpenAI正在秘密训练新模型o4，其规模介于GPT-4.1和GPT-4.5之间。o4将基于GPT-4.1进行强化学习（RL）训练，这标志着OpenAI策略的重大转变。强化学习不仅提升了模型推理能力，还通过生成CoT解锁了复杂任务的应用潜力，...

**摘要：** 近日，OpenAI获软银15亿美元融资，估值已达1.1万亿元人民币。今年10月，OpenAI刚获得66亿美元融资。与此同时，OpenAI竞争对手Anthropic与亚马逊达成新协议，获得亚马逊40亿美元投资，使总投入达80亿美元。亚马逊的投资使Anthropic的Claude系列模...

港中文贾佳亚团队发布新成果，利用10k数据和Step-DPO算法，72B Qwen模型在数学能力上超越GPT-4等模型，提升了5.6%。该团队借鉴教育方式，通过细化DPO形成逐步应用策略，增强了大模型的推理和长链条推理任务能力。研究还展示了如何通过模型自动生成数据处理流程，仅需少量人工验证，就能有效提升模型在数学测试集上的准确性，如MATH和GSM8K，甚至在竞赛题上也有所突破。项目代码、数据和模型已开放至GitHub和Hugging Face，供学术界和公众访问。