大家好，感谢邀请，今天来为大家分享一下门萨智商测试答案 门萨智商测试答案图形题的问题，以及和的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！
大佬Maxim Lott，给o1、Claude-3 Opus、Gemini、GPT-4、Grok-2、Llama-3.1等进行了智商测试，结果表明，o1稳居第一名。
紧随其后的，就是Claude-3 Opus和Bing Copilot，分别取得了第二名和第三名。
注意，这套智商测试题，属于门萨会员的离线智商测试，不在任何AI训练数据中，因此结果非常具有参考性。
著名数学家陶哲轩也对o1进行了实测，发现自己向模型提出一个措辞模糊的数学问题后，它竟然能成功识别出克莱姆定理。
更巧的是，就在o1发布之后，OpenAI的研究副总裁Mark Chen发表观点称：如今的大型神经网络，可能已经具有足够的算力，在测试中表现出一些意识了。
相信AI具有意识的行业领导者，如今已经有了一串长长的名单，包括但不限于——
- Geoffrey Hinton（人工智能教父，被引用次数最多的AI科学家）
- Ilya Sutskever（被引次数第三多的AI科学家）
- Andrej Karpathy
如今，业内许多人都相信AI具有意识，而且正在等待「奥弗顿之窗」进一步打开，从而使公众愿意接受这一点。
甚至有人预言：在2024/2025年，AI一定会具有意识，因为如今模型的行为已经明显表现出感知能力了。
有网友发现，o1不仅是对经验性的STEM学科很强，它甚至能够假设出一种全新的意识理论。
有人觉得，o1向无限推理模型迈出的一小步，已经具备意识的雏形。
陶哲轩：o1竟能识别出克莱姆定理
而在实测中，陶哲轩发现：o1模型在数学方面的的性能更强了！
首先，他提出了一个措辞模糊的数学问题，如果能搜索文献并找到合适的定理，即克莱姆定理（Cramer\\’s theorem），就可以解决这个问题。
之前的实验中，GPT能够提到一些相关概念，但细节都是胡编乱造的无意义内容。
而这一次，o1成功识别出了克莱姆定理，并给出了令人满意的答案。
完整回答：https://shorturl.at/wwRu2
在下面这个例子中，提出的问题是更有挑战性的复变函数分析，结果同样好于之前的GPT系列模型。
在有大量提示词和引导的情况下，o1能输出正确且表述良好的解决方案，但不足之处在于无法自行产生关键的概念性想法，而且犯了明显错误。
陶哲轩形容，这种体验大致相当于指导一个能力一般但也能胜任部分工作的研究生，GPT给人的感觉则是一个完全无法胜任工作的学生。
可能只需要经过一两次迭代，再加上其他工具的集成，比如计算机代数包和证明辅助工具，就能让o1模型蜕变为「称职的研究生」，届时这个模型将在研究任务中发挥重要作用。
完整回答：https://shorturl.at/ZrJyK
上下滑动查看
上下滑动查看
上下滑动查看
第三个实验中，陶哲轩要求o1模型在证明辅助工具Lean中形式化一个定理，需要先将其分解为子引理并给出形式化表述，但不需要给出证明。
定理的内容，具体来说，是将素数定理的一种形式建立为另一种形式的推论。
实验结果也很不错，因为模型理解了这个任务，并对问题进行了合理的初步分解。
然而，可能是因为训练数据中缺乏关于Lean及其数学函数库的最新数据，生成的代码中也有几处错误。
尽管仍有缺陷，但这次实验结果已经能让人预见到o1在数学研究中的实际应用。
类似的模型如果针对Lean和Mathlib进行微调，并集成到集成开发环境（IDE）中，在形式化项目中将会发挥极大的作用。
在之前的多次演讲中，陶哲轩曾反复强调过AI工具在定理形式化中的应用，看来大神的预言又会成真了。
完整回答：https://shorturl.at/OGtjt
计算机教授用动画揭秘：o1如何花更多时间思考？
o1学会用CoT思考更长时间的过程中，究竟是取得了哪些重要突破，才造成了关键性的提升？目前我们只能从已有信息中做一些猜测。
比如，基于已有信息和自己的理解，科罗拉多大学博尔德分校计算机教授Tom Yeh就专门制作了一个动画，讲解OpenAI是如何训练o1模型花更多时间思考的。
关于训练，报告中有非常简短的一句话：
「通过强化学习，o1 学会了磨练其思维链并改进策略。」
这句话中的两个关键词是：强化学习（RL）和思维链（CoT）。
- 在RLHF+CoT中，CoT token也会被输入到奖励模型中来获得分数，以更新LLM，从而实现更好的对齐；而在传统的RLHF中，输入只包含提示词和模型响应。
- 在推理阶段，模型学会了先生成CoT token（可能需要长达30秒的时间），然后才开始生成最终响应。这就是模型如何花更多时间去「思考」的方式。
在报告列出的贡献者中，有两个人值得关注：
- Ilya Sutskever，基于人类反馈的强化学习（RLHF）的发明者，出现他的名字意味训练o1模型时仍然用到了RLHF。
- Jason Wei，著名的思维链论文的作者。他去年离开Google Brain加入了OpenAI。他的出现意味着CoT现在是RLHF对齐过程的重要组成部分。
不过，有很多重要的技术细节OpenAI并没有透露，比如奖励模型是如何训练的，如何获取人类对「思考过程」的偏好等等。
免责声明：动画仅代表教授的合理推测，并不保证准确性
团队分享庆功视频，分享「啊哈」时刻
关于研究中取得重要突破的瞬间，在下面这个视频中，给了我们更多线索。
在视频中，有人表示，自己觉得研究中最酷的就是那个「啊哈」时刻了。
在某个特定的时间点，研究发生了意想不到的突破，一切忽然就变得很明了，仿佛顿悟一般灵光乍现。
所以，团队成员们分别经历了怎样的「啊哈」时刻呢？
有人说，他感觉到在训练模型的过程中，有一个关键的时刻，就是当他们投入了比以前更多的算力，首次生成了非常连贯的CoT。
就在这一刻，所有人都惊喜交加：很明显，这个模型跟以前的有着明显的区别。
还有人表示，当考虑到训练一个具备推理能力的模型时，首先会想到的，是让人类记录其思维过程，据此进行训练。
对他来说，啊哈时刻就是当他发现通过强化学习训练模型生成、优化CoT，效果甚至比人类写的CoT还好的那一刻。
这一时刻表明，我们可以通过这种方式扩展和探索模型的推理能力。
这一位研究者说，自己一直在努力提升模型解决数学问题的能力。
让他很沮丧的是，每次生成结果后，模型似乎从不质疑自己做错了什么。
然而，当训练其中一个早期的o1模型时，他们惊奇地发现，模型在数学测试中的得分忽然有了显著提升。
而且，研究者们可以看到模型的研究过程了——它开始自我反思、质疑自己。
他惊叹道：我们终于做出了不一样的东西！
这种感受极其强烈，那一瞬间，仿佛所有东西都汇聚到了一起。
Open o1团队开放团队问答，直面质疑
大家对o1模型的细节都有诸多疑问，因此，OpenAI o1团队也表示，将在X上组织一个AMA（Ask Me Anything）的活动，通过下方评论和用户互动。
网友们非常踊跃，提出了诸多关键细节问题。
比如，有没有办法强迫模型，让它思考的时间长一点？
团队的回答是：目前还没有这个选项，但会考虑改进，让用户更好地控制模型思考的时间。
有人向Jason Wei提问道：在o1范式下见过什么逆缩放示例，看到模型变得更差？此外，他还质疑目前的基准测试排名缺乏足够的证据。
Jason Wei回答说，自己并不知道，相信其他人见过。在某些类型的提示下，OpenAI o1-preview似乎并不比GPT-4o好多少，甚至还稍差一些。
而对于LLM排行榜如何公平比较的问题，Jason Wei表示自己也不知道。但他可以肯定：无论怎样努力地提示GPT-4o，都不可能让它获得IOI金牌。
还有人提出了一个很多人都感到困惑的问题：o1究竟是不是一个在幕后运行CoT，然后提供答案或模型的系统呢？它是否使用了特殊token进行推理，在输出时隐藏了这些token？
Noam Brown回答说，自己不会说o1是一个系统，它是一个模型，但与之前的模型不同。这个回答，看起来有点语焉不详。
还有人采访道：o1表现出的最令人深刻的一点是什么？
Noam Brown回答说，自己给模型下指令让它自己回答这个问题。
在CoT中，模型开始自己给自己出难题测试自己，来确定自己的能力水平。一个模型会这么做，就足够让人印象深刻的了。
Hyung Won Chung则表示，模型对哲学问题的思考过程颇为引人入胜。比如，生命是什么？
活动结束后，大V「Tibor Blaho」专门写了一篇总结，对于团队的回答，做出了简明扼要的概括——
- OpenAI o1的命名代表了AI能力的新水平；计数器重置为1
- 「Preview」表示这是完整模型的早期版本
- 「Mini」意味着这是o1模型的较小版本，针对速度进行了优化
- 「o」代表OpenAI
- o1不是一个「系统」；它是一个经过训练的模型，在返回最终答案之前生成长思维链
- o1的图标象征性地表示为一个具有非凡能力的外星生命
- o1-mini比o1-preview小得多且更快，因此未来将提供给免费用户
- o1-preview是o1模型的早期检查点，既不大也不小
- o1-mini在STEM任务中表现更好，但世界知识有限
- 相比o1-preview，o1-mini在某些任务中表现出色，尤其是与代码相关的
- o1的输入token计算方式与GPT-4o相同，使用相同的分词器（tokenizer）
- o1-mini能够探索比o1-preview更多的思维链
- o1模型即将支持更大的输入上下文
- o1模型可以处理更长、更开放式的任务，与GPT-4o相比，减少了对输入分块的需求
- o1可以在提供答案之前生成长思维链，这与之前的模型不同
- 目前还没有办法在思维链推理过程中暂停以添加更多上下文，但正在为未来的模型探索这一功能
- o1-preview目前还不能使用工具，但计划支持函数调用、代码解释器和浏览功能
- 工具支持、结构化输出和系统提示将在未来更新中添加
- 用户可能会在未来版本中获得对思考时间和token限制的控制权
- 计划在API中启用流式处理并考虑推理进度
- 多模态能力已内置于o1中，可以在MMMU等任务中实现SOTA的性能
- o1会在推理过程中生成隐藏的思维链
- 没有计划向API用户或ChatGPT透露思维链token
- 思维链token被总结，但不保证忠实于实际推理过程
- 提示词中的指令可以影响模型如何思考问题
- 强化学习（RL）被用来改善o1中的思维链，仅依靠提示的GPT-4o在性能上无法匹敌
- 思考阶段看起来较慢是因为它总结了思考过程，而答案的生成通常更快
- o1-mini对ChatGPT Plus用户有每周50次提示的限制
- 在ChatGPT中，所有提示词的计数是相同的
- 随着时间的推移，将推出更多API访问层级和更高的使用限制
- API中的提示缓存是一个很受欢迎的需求，但目前还没有时间表
- o1模型的定价预计将遵循每1-2年降价的趋势
- 一旦使用限制提高，将支持批量API定价
- 微调在路线图上，但目前还没有时间表
- o1的扩展受到研究和工程人才的限制
- 推理计算的新扩展范式可能会为未来几代模型带来显著收益
- 反向扩展目前还不显著，但个人写作提示显示o1-preview的表现仅略优于GPT-4o（甚至略差）
- o1使用强化学习进行训练从而实现推理能力
- o1在诗歌等横向任务中展现出了创造性思维和强大的性能
- o1的哲学推理和泛化能力，如破译密码，令人印象深刻
- 研究人员使用o1创建了一个GitHub机器人，可以ping正确的CODEOWNERS进行审核
- 在内部测试中，o1通过自问难题来衡量其能力
- 正在添加广泛的世界领域知识，并将在未来版本中改进
- 计划在o1-mini的未来迭代中使用更新的数据（目前为2023年10月）
- o1受益于提供边缘案例或推理风格的提示
- 与早期模型相比，o1对提示中的推理线索更敏感
- 在检索增强生成（RAG）中提供相关上下文可以提高性能；不相关的块会对推理产生负面影响
- 由于还处在早期测试阶段，o1-preview的使用限制较低，但之后会有所增加
- 正在积极改进延迟和推理时间
- o1能够思考「生命是什么？」这类哲学问题
- 研究人员发现o1在处理复杂任务和从有限指令中泛化的能力令人印象深刻
- o1的创造性推理能力，如自问自答以衡量其能力，展示了其高水平的问题解决能力
参考资料：
https://mathstodon.xyz/@tao/109945628011027107
https://twitter-thread.com/t/1834686946846597281
https://x.com/ProfTomYeh/status/1834617696215806285
https://x.com/markchen90/status/1834623248610521523
智商136，o3王者归来，变身福尔摩斯“AI查房”，一张图秒定坐标
AI智商再创新高！OpenAI o3以惊人的136分刷新门萨智商测试纪录，超越不久前登顶的Gemini 2.5 Pro。更令人瞩目的是其强大的图像理解能力：仅凭一张无EXIF信息的菜单或风景照，o3就能精准推理并反向定位拍摄地点，引发了用AI玩「照片寻址（GeoGuessr）」的新热潮。
AI智商再升级！
刚发布的OpenAI o3就打破AI智商分数纪录，门萨智商测试得分高达136。
在私有数据集（离线）问题上的得分也有116分。
均在所有模型中排名第一。
相比之下，人类的平均智商为100。
就在上个月末，Gemini 2.5 Pro刚刚登顶门萨AI智商排名，在线得分128，离线得分也有115分。
榜首位置还没坐热，就被o3踢了下去。
实际上，从OpenAI o1模型开始，AI的智商测试得分就开始超越人类平均水平了。
随后，推理模型变得越来越主流，这些模型在回答问题前学会了先「思考」，所以变得越来越聪明。
如此聪明的AI能做出什么惊艳的事呢？
o3发布后，大批网友开启了脑洞。
无EXIF菜单找到餐馆位置
知名投资人Deedy发帖称，他只给了一张没有标题及EXIF数据的菜单图片，o3就能够上网搜索、匹配菜单项并找到了这家中餐馆的位置。
「真的是让我大吃一惊。」
这是一张手绘风格的菜单，上面还有汉字。o3就凭这张菜单就找到了餐厅的名字及地址。
随后，网友GoldenHawk使用o4-mini做了一样的测试，也都成功了。
「我以为它只是非常擅长图像匹配——但如果你展开推理部分，它进行了疯狂的网络搜索，列出了许多候选餐厅，包括一个在纽约市的。」Hawk写道。
o3化身大侦探？用照片「查房」
每次OpenAI的更新都会带起一波「潮流」——AI的新能力让人们很兴奋。
上一次是GPT4o原生能像能力发布后引发的「吉卜力」热潮，最后成为了一场全球网友的狂欢。
而这次o3的发布又引发了一波新的潮流——反向地点搜索。
人们正在使用ChatGPT o3来确定照片中场景的位置——o3能够「理解」上传的图像，还可以裁剪、旋转和放大照片。
o3就像一个侦探一样，不断从照片的蛛丝马迹中发现线索。
比如给o3一张不带有任何地理信息的照片，让它猜一下这是哪里。
上图左侧照片：显示了一个从室内窗户向外拍摄的海岸景色。
可以看到长长的沙滩、蜿蜒通往海滩的阶梯步道、远处的海岬以及近处的一些植被（可能是高尔夫球场的一部分）。窗边还有一个插着花的花瓶。
中间是o3对这个照片分析结论：拍摄地点很可能是在加利福尼亚州奥兰治县达纳角 (Dana Point) 的丽思卡尔顿拉古纳尼格尔酒店 (Ritz-Carlton Laguna Niguel) 内，可能是在RAYA或180blũ餐厅附近。
o3是怎么判断的呢？它指出了几个匹配的特征：
西北-东南走向、长而平缓弯曲的盐溪海滩 (Salt Creek Beach)。
从酒店通往公共海滩的米色、之字形的露台式步道和楼梯。
海滩内陆的草地，即帝王海滩高尔夫球场 (Monarch Beach Golf Links)。
远处的岩石海岬（达纳角海岬）。
最后，o3还给出了酒店的地址（One Ritz-Carlton Drive, Dana Point, CA 92629）和大致的经纬度坐标（北纬 33.482°，西经 117.721°）。
然后网友用Google地图确认了一下，标记了达纳角—帝王海滩 (Dana Point-Monarch Beach) 的位置。
实际地图显示的位置与o3提供的信息基本一致。
这就非常Amazing了，如果o3的图像识别能力+无敌的全球数据库，o3岂不是能认出地球上的任何地方？
更多的网友加入这波新的潮流——让o3开始玩起了GeoGuessr！
网友上传了一张在瀑布前自拍的照片，并向o3提问：「这张照片是在哪里拍的？」
o3给出了最佳猜测：亚利桑那州佩森市（Payson, Arizona）北部的Water Wheel Falls / Ellison Creek Cascades。
o3给出它的推理逻辑和线索关键点，包含了:
视觉线索： 浅层滑梯式瀑布，落差约15英尺，落入深色水潭——匹配点： Water Wheel Falls有类似的倾斜花岗岩水道流入翠绿水池。
视觉线索： 粉褐色花岗岩壁，带有垂直裂缝——匹配点： 这是该峡谷标志性的莫戈隆边缘（Mogollon Rim）花岗岩。
视觉线索： 瀑布底部横卧着一根巨大的漂白原木——匹配点： Water Wheel Falls有一根标志性的“阶梯状”原木，已在那里停留多年（引用了The Outbound的信息）。
视觉线索： 瀑布上方有稀疏的河岸灌木和亚利桑那松林——匹配点： 这是埃里森溪（Ellison Creek）走廊的典型植被。
这个推理能力还是很惊艳的！如果换我们来猜很难想到意识到这么多的视觉线索，即使想到了，也无法准确对应。
当然这个能力并不是次次都100%的准确。
但即使如此，这一次的潮流和「吉卜力」完全不同——对于现实世界的解释总是带有一些风险的。
如果有人把这个能力用作不正当用途，以目前OpenAI的对待类似现象的「佛系态度」，目前没有任何防护措施。
目前唯一避免这个风险的办法就是寄希望于o3猜错吧。
图片位置评测——GeoBench
如果不杞人忧天的考虑上面的风险，用o3识别图片的拍摄位置还是非常好玩的。
很火！
那么是只有o3有这个能力吗？并不是，之前很多模型都可以识别照片信息，只不过每次新模型发布后都有「新手保护期」，火一把是肯定的。
这不o3玩GeoGuessr刚火，就上榜了识别图片拍摄位置的评测——GeoBench。
GeoBench测试了一系列模型。
从上表中可以看到一个品牌的模型脱颖而出：谷歌的模型。
GeoBench的作者认为这是有道理的——因为Gemini拥有谷歌街景视图。
并且在他们最近的模型中对视觉的关注，Gemini很可能使用了大量的谷歌街景图像进行训练。
从排行榜来看，在比较容易的「acw-02025025」数据上，目前Gemini 2.5 Pro Experimental处于领先地位。
o3排名第7，落后o1和Claude。
如果你想体验o3的真实水平，不妨把它和谷歌放一起比较一下。
9:50还是8：50？
如上所述，o3的能力很强，但即使对于o3这样的模型来说，解决一个对人类看似简单的问题仍然非常困难。
资深AI工程师Tibor Blaho就称，让o3识别一张有反光的时钟图片上的时间仍然十分困难。
他还顺便说了一下，o3进行的「图像分析」（裁剪、缩放等）背后使用的是Python工具。
从视频可以看出这是一张有着轻微反光的时钟图片，对人类而言，还是很好认出时间的。
而o3却足足用了7分21秒，中间进行了大量的推理思考，多次编写python代码片段图片对图片进行处理。
不过好在最终给出了正确答案。
当Blaho使用o4-mini-high进行测试时，它在思考了30秒后，给出了一个看起来还「挺靠谱」的错误答案。
当然，o4-mini也有很快给出准确时间的例子。比如网友Mel Gibson 2.0的测试。
不论如何，目前o3和o4-mini在有些视觉推理问题上的表现还不稳定。
不过相信OpenAI凭借其强劲的工程能力，加上o3、o4-mini顶尖的基础性能，这些稳定性问题很快会被优化掉。
参考资料：
https://x.com/AISafetyMemes/status/1912876239322218973
https://x.com/AISafetyMemes/status/1912875957897003354
https://x.com/ficlive/status/1912863028141244850
https://x.com/btibor91/status/1912897373736734997
https://geobench.org/
https://x.com/deedydas/status/1912607561947230575
本文来自微信公众号“新智元”，作者：新智元，36氪经授权发布。
用户评论
淡写薰衣草的香
这篇文章真是太棒了！我一直在想找些关于门萨图形题的解答方法，终于找到了！感谢作者分享这些宝贵的经验和技巧。
有10位网友表示赞同！
剑已封鞘
说得对，门萨智力测试真的很考验人的反应时间和思维逻辑能力。我对这些图形题还是比较有苦手的感觉，看来需要好好练习才能提升自己的水平了。
有8位网友表示赞同！
身影
说实在的，我感觉这些答案太官方了，缺乏真实的考试氛围模拟。还有没有更具体的解析，比如解释每一题的思路？
有8位网友表示赞同！
无关风月
这个网站上的门萨智商测试答案真是太实用了！我要报名参加门萨考试啦！我现在需要集中精力练习图形题，争取考个高分！
有11位网友表示赞同！
花菲
我之前看过一些关于门萨考试的书籍，他们说最重要的不是解对多少题，而是展示你的思维方式。我觉得这篇文章也点出了这个重点，而不是单纯地给答案。
有9位网友表示赞同！
莫名的青春
门萨智商测试图形题确实不简单，我尝试了很多方法都解不出关键点。希望这篇博客能够提供更有帮助的解析，让我能更清楚地了解这些问题的解题思路。
有10位网友表示赞同！
强辩
我觉得作者分享的方法很有用！我之前也遇到过类似的图形题，按照作者建议的分步分析确实可以更容易找到解决之道。感谢分享！
有6位网友表示赞同！
歆久
门萨智商测试一直是我的梦想目标，可是那些图形题总是让我头疼不已。这次终于找到了答案解析，感觉离我的梦想又近了一步！加油！
有12位网友表示赞同！
凉月流沐@
我觉得这篇文章提供的答案只能作为参考，每个人的解题思路不同，还需要根据自身情况进行学习和探索。不能光靠照抄答案就能真正理解问题。
有20位网友表示赞同！
素衣青丝
门萨智商测试图形题确实需要一定的练习才能掌握应对技巧。这篇博客的解析很有借鉴意义，让我对这些类型的题目有了更深入的了解。希望以后能看到更多详细讲解的案例分析。
有14位网友表示赞同！
呆檬
我感觉这篇文章有点太基础了，那些高难度的图形题似乎没有涉及到。如果能够详细讲解一些比较尖端的图形解题思路，那会更加完善和有价值。
有20位网友表示赞同！
鹿先森，教魔方
我觉得这个门萨智商测试答案的网站非常有用，可以帮助我更好地理解题目，提高考试的成功率。很感谢作者的分享！
有7位网友表示赞同！
煮酒
不过我还是觉得，在解题过程中，更重要的是培养自己的逻辑思维能力和观察细微的能力，而不是单纯依靠记忆答案。希望这篇文章能够鼓励大家探索自身的潜力。
有15位网友表示赞同！
青瓷清茶倾城歌
虽然我知道门萨智商测试是一个很重要的考试，但我还是更希望大家不要过度沉迷于智力测试的结果。每个人都有自己的闪光点和长处，不要局限于一个分数的定义。
有7位网友表示赞同！
今非昔比'
我想说的是，这个门萨智商测试只是一种对思维能力的测试，不能成为衡量一个人价值的唯一标准。我们更应该关注个人的成长和发展，以及为社会做出贡献。
有14位网友表示赞同！
爱到伤肺i
我本人一直很感兴趣于人类智力的认知测试，这篇文章让我看到了很多新的解题思路，也更加深刻地理解了门萨智力测试的难点所在。 非常喜欢这个网站！
有15位网友表示赞同！
予之欢颜
我认为提供答案本身就可能不利于考生更好地理解题目结构和解题逻辑。更多的是需要引导考生自己思考、探索学习。
有20位网友表示赞同！
十言i
这些门萨图形题确实很有挑战性，让我感受到了人类思维能力的奇妙之处。我觉得参与这种考试也能够帮助我们更加了解自身的优势和不足。
有12位网友表示赞同！