5月27日，微软研究院联合清华大学、北京大学推出奖励推理模型（RRMs），通过显式推理过程动态分配计算资源，优化复杂任务评估。传统强化学习（RL）依赖人类反馈或可验证奖励，但现有奖励模型无法有效扩展测试时资源，尤其在复杂查询中表现欠佳。RRMs基于Qwen2模型，采用Transformer-decoder架构，将奖励建模转为文本补全任务，通过‘思维链’推理针对复杂查询增加计算资源投入。测试显示，RRMs在RewardBench和PandaLM Test基准中表现优异，RRM-32B在推理类别中达98.6%准确率，优于DirectJudge模型。此外，RRMs支持多响应评估，结合ELO评分和淘汰赛机制提升效率。研究证实，模型规模扩展至32B时，更长推理时间显著提高准确性，为复杂任务提供高效解决方案。

《科创板日报》22日报道，OpenAI CEO奥尔特曼近日提出观点称，让AI像ChatGPT一样使用礼貌语言（如“请”、“谢谢”），会显著增加计算资源和电力消耗。他解释道，识别和处理礼貌用语以及生成相应复杂回应，需要更多计算能力，这与普遍认为礼貌用语能提升交互质量的观点形成对比。此言论揭示了AI技术背后隐藏的成本问题，引发行业对效率与用户体验平衡的思考。

标题：o3意味着什么？2025年AI进展加速，但成本更高 AI进入“第二个扩展法则时代”，新方法“测试时扩展”使OpenAI的o3模型表现突出，但也带来了更高的成本。o3在推理阶段使用更多计算资源，导致每个答案成本增加，难以成为日常工具。 具体而言，“测试时扩展”意味着OpenAI在用户提问时使用更多计算芯片或更长时间运行芯片。尽管o3在ARC-AGI基准测试中表现出色，但在简单任务上仍存在问题，未解决大语言模型的幻觉问题。 Clark认为，2025年AI进展将更快，结合“测试时扩展”和传统预训练方法，将进一步提升性能。然而，o3高昂的计算成本限制了其广泛应用，目前仅适合财力雄厚的机构。 尽管如此，o3在ARC-AGI测试中的得分远超其他模型，展示了显著进步。但其高昂的计算成本显示，达到高性能AI模型的门槛依然很高。

OpenAI公司CEO山姆·阿尔特曼宣布，将为AI安全相关研究和开发工作分配至少20%的计算资源，此决定是基于对AI安全的重视，并已与美国人工智能安全研究所合作，提前访问OpenAI的下一代基础模型，以推动AI评估科学的发展。此举措旨在回应员工对于AI安全的担忧，并作为公司安全计划的一部分。值得注意的是，OpenAI已取消了针对现任和前任员工的非贬损条款，并放弃了取消既得股权权利的权力，以确保员工的安全关切得到妥善处理。这一决定彰显了公司在AI安全领域的承诺与行动力。