DeepSeek 在思想链上挑战 OpenAI 的 o1 - 但它缺少一些环节

考虑一列火车从芝加哥出发，以每小时 70 英里的速度向西行驶，另一列火车从旧金山出发，以每小时 80 英里的速度向东行驶。你能知道他们见面的时间和地点吗？

这是一道经典的小学数学题人工智能(AI) 程序，例如 OpenAI最近发布了“o1”大语言模型目前正在预览中，不仅会找到答案，还会解释一些他们是如何得出答案的。 

这些解释是生成人工智能中日益流行的方法的一部分，称为思想链。

尽管思想链非常有用，但根据它的实现方式，它也有可能完全令人困惑，正如我从一些实验中发现的那样。

还：OpenAI 扩展了 o1 模型的可用性 - 以下是谁可以访问以及访问量是多少

思维链处理背后的想法是，人工智能模型可以详细说明其为追求最终答案而执行的计算序列，最终实现“可解释”的人工智能。可以想象，这种可解释的人工智能可以通过公开答案的基础，让人类对人工智能的预测更有信心。

就上下文而言，人工智能模型是指人工智能程序的一部分，其中包含大量神经网络参数和激活函数，这些参数和激活函数构成了程序如何运行的关键元素。

为了探究这个问题，我将 OpenAI 的 o1 与 R1-精简版，来自中国初创公司 DeepSeek 的最新模型。R1-Lite 比 o1 更进一步，给出了冗长的思想链陈述，这与 o1 相当简洁的风格形成鲜明对比。

还：ChatGPT 用 12 种顶级编程语言编写我的例程。这是结果告诉我的

DeepSeek 声称 R1-Lite 可以在多项基准测试中击败 o1，包括数学，一项由 U.C. 开发的测试伯克利分校包含 12,500 个数学问答集。

AI 杰出人物 Andrew Ng，Landing.ai 创始人，解释了R1-Lite 的推出是“一项重要运动的一部分”，它不仅仅是让人工智能模型变得更大，而是让它们做额外的工作来证明其结果的合理性。

但我发现，R1-Lite 也可能令人困惑且乏味，而 o1 则不然。 

还：人工智能驱动的软件测试获得更多支持，但担忧依然存在

我向 R1-Lite 和 o1 预览提交了上述著名的火车数学问题。您可以通过以下方式免费试用 R1-Lite：在 DeepSeek 网站上创建免费帐户，并且您可以访问 o1 预览作为付费 ChatGPT 帐户与 OpenAI 一起。（R1-Lite 尚未作为开源版本发布，但GitHub 上提供了许多其他 DeepSeek 项目.)

两个模型都得出了类似的答案，尽管 o1 模型明显更快，需要 5 秒才能给出答案，而 DeepSeek 的 R1-Lite 则需要 21 秒（这两个模型各自告诉您它们“思考”的时间）。o1 在计算中还使用了芝加哥和旧金山之间更准确的英里数。

更有趣的区别出现在下一轮。

另外： OpenAI 的 o1-preview 代码效果如何？它在我的 4 项测试中表现出色 - 并以令人惊讶的细节展示了它的工作原理

当我要求两个模型粗略计算两列火车将在哪里相遇（即美国的哪个城镇或城市）时，o1 模型很快就生成了怀俄明州夏安市。在此过程中，o1 通过短暂闪烁的短信（例如“分析火车行程”、“绘制行程”或“确定集合点”）传达了自己的思路。 

这些并不是真正的信息，而是表明某些事情正在发生。 

相比之下，DeepSeek R1-Lite 在其思维链中花费了近一分钟的时间，并且与其他情况一样，它非常冗长，留下了总计 2,200 个单词的“思维”描述。随着模型在整个链条中的推进，这些问题变得越来越复杂。该模型一开始非常简单，假设每列火车在 12 小时结束时到达的地方大致就是两列火车彼此靠近的地方，即两个起点之间的某个地方。

但随后 DeepSeek 的 R1-Lite 就完全脱轨了，可以这么说。它尝试了许多奇怪的方法来计算位置，并以令人痛苦的细节描述了每种方法。 

首先，它计算了从芝加哥到旧金山途中多个不同城市的距离，以及城市之间的距离，以近似位置。 

还：我测试了 9 个 AI 内容检测器 - 这 2 个每次都能正确识别 AI 文本

然后它诉诸于使用经度在地图上并计算芝加哥火车行驶的经度。然后它后退并尝试计算距离行驶距离。

在这一切之中，模型吐出了这样一句话：“等等，我有点困惑了”——对于观看这一切的人类来说，这可能是真实的。 

当 R1-Lite 给出答案时——“在内布拉斯加州西部或科罗拉多州东部”，这是一个可以接受的近似值——推理是如此深奥，不再是“可以解释的”，而是令人沮丧。

还：人工智能并没有碰壁，而是碰壁了。Anthropic 表示，对于基准来说，它变得太智能了

DeepSeek 的 R1-Lite 与 o1 模型不同，o1 模型使答案相当简短，通过费力地详细解释假定的推理过程，DeepSeek 的 R1-Lite 实际上最终变得复杂且令人困惑。 

如果有更精确的提示（包括实际火车路线等细节），思路可能会更加清晰。访问外部数据库获取地图坐标也可能导致 R1-Lite 的思想链中的环节更少。

该测试表明，在思想链推理的早期阶段，与聊天机器人即使他们最终从人工智能模型中得到了可接受的答案，他们也可能会感到困惑。