OpenAI 发表的论文显示，通过强化学习训练的大型语言模型在复杂编程和推理任务上取得了显著进步，特别是在 CodeForces 上获得了与精英级人类相当的成绩。论文强调，扩展通用强化学习是通往高级人工智能（AGI）的清晰路径，并且仅依赖强化学习的方法能够实现最先进的编程和推理性能。
具体而言，OpenAI 的 o3 模型在 2024 IOI 上达到了金牌水平，无需人类设计的测试时策略，而 o1-ioi 则依赖于此类策略。此外，o3 在 CodeForces 上的表现也超越了其他模型，展示了强化学习在提升 AI 编程能力方面的潜力。
