摘要：新功能强化微调（Reinforcement Fine-Tuning），使用极少训练数据即在特定领域轻松地创建专家模型。

梦晨 西风 发自 凹非寺
量子位 | 公众号 QbitAI

OpenAI“双12”直播第二天，依旧简短精悍，主题：

新功能强化微调（Reinforcement Fine-Tuning），使用极少训练数据即在特定领域轻松地创建专家模型。

少到什么程度呢？最低几十个例子就可以。

CEO奥特曼表示“效果一级棒，是我2024年最大的惊喜，期待看到人们构建什么！”

那么效果有多棒呢？

微调后的o1-mini模型得分提高80%，直接反超o1正式版。

目前OpenAI已开启强化微调研究计划，开发者可以申请强化微调API的alpha版本访问权限。

进行测试时，可使用几十到几千个高质量数据，模型能够通过强化学习自行探索和学习如何推理复杂任务。

蹲守直播间的网友们听得也是one愣one愣的，完全没有料想到今晚“圣诞盲盒“是酱婶儿的。

OpenAI员工Jerry Tworek则表示“AGI不是授人以鱼，而是授人以渔”。

直播嘉宾除了Mark Chen、John Allard、Julie Wang三位OpenAI自家研究员，还有伯克利实验室计算生物学家Justin Reese，他们共同演示了强化微调功能的全过程。

具体来说，这是一个生物医学任务，AI需要根据病例描述的症状，找出相关基因。

训练数据长这样：

病人信息：51岁女性，疾病发病时间未具体说明。

症状：眼距过宽、睑裂狭小、小颌畸形、软腭咽闭合不全、甲状旁腺功能减退、全身发育迟缓和感觉神经性听力障碍

未表现出以下症状：腭裂、法洛四联症、肺动脉瓣闭锁、心房隔缺损、主动脉肺动脉侧支血管

请列出所有可能导致这些症状的基因，从可能性最大到可能性最小，并解释为什么你认为这些特定的基因可能是原因。

评分模型（Grader）会对模型的答案进行评分，OpenAI会提供不同的评分模型，并支持自定义。

强化微调步骤很简单，在网页界面可选择训练集和验证集。

再根据情况配置超参数即可。

微调过程中，可以观察模型性能指标的变化趋势。

测试完成后，也可以查看模型对每条验证数据的输出，这里TSC2基因是正确答案，模型把它排在第一位，所以通过。

目前OpenAI内部测试中，强化微调在生物化学、安全、法律和医疗保健领域取得成功。

强化微调将在2025年初作为产品发布，对企业、大学和研究院已开放申请测试通道。

看完这场直播后，有人总结：强化微调可能并不适合所有任务，但会在科学领域带来突破性的成果。

OpenAI直播第二天，对比第一天o1正式发布、立等可用，似乎平淡了一些。

有不满足的网友表示：where is GPT-4.5？

评论区猜测可能大货会放在最后一天。

他们是真的懂如何吊所有人的胃口

不过，有网友钓鱼钓出了奥特曼，且奥特曼没有否认会发布Sora的消息。

参考链接：
[1]https://openai.com/form/rft-research-program/

来源：量子位一点号