Model rozumujący (reasoning model)
Zaktualizowano:
Model rozumujący (ang. reasoning model) to podejście w sztucznej inteligencji, zwłaszcza w kontekście dużych modeli językowych (LLM), gdzie system nie generuje odpowiedzi od razu, lecz najpierw angażuje się w sekwencję wewnętrznych kroków myślowych. Może to obejmować:
- Rozkładanie złożonego problemu na mniejsze, łatwiejsze do rozwiązania podproblemy.
- Generowanie i ocenianie wielu potencjalnych ścieżek rozwiązania.
- Weryfikację pośrednich wyników lub hipotez.
- Planowanie sekwencji działań w celu osiągnięcia celu.
Celem takiego podejścia jest zwiększenie dokładności i spójności odpowiedzi, szczególnie w zadaniach wymagających logiki, matematyki, planowania czy głębokiego zrozumienia kontekstu. Modele rozumujące często wykorzystują techniki takie jak Chain-of-Thought (CoT), Tree-of-Thought (ToT) czy Self-Refine, które instruują model, aby "myślał na głos" lub iteracyjnie poprawiał swoje rozumowanie. Kosztem jest zazwyczaj większe zużycie zasobów obliczeniowych i dłuższy czas generowania odpowiedzi, ponieważ proces wnioskowania wymaga dodatkowych operacji. Różni się od modeli działających w trybie zero-shot, które generują odpowiedź bezpośrednio po otrzymaniu zapytania, bez jawnego etapu rozumowania.