रीजनिंग AI मॉडल: वे कैसे काम करते हैं और क्यों महत्वपूर्ण हैं

2024 की शरद ऋतु में, OpenAI ने o1 मॉडल पेश किया, जो एक सनसनी बन गया: AIME गणित परीक्षा में इसने एकल-प्रयास मोड में 74% और सर्वसम्मति चयन के साथ 93% तक अंक प्राप्त किए, जबकि GPT-4o केवल 12% समस्याओं को हल कर पाया। GPQA Diamond बेंचमार्क पर, o1 ने 78% अंक प्राप्त किए, जो औसत विशेषज्ञ से अधिक है। ये परिणाम लार्ज रीजनिंग मॉडल (LRM) की क्षमताओं को प्रदर्शित करते हैं, जो काह्नमैन द्वारा वर्णित धीमी 'सिस्टम 2' सोच का अनुकरण करते हैं। LRM के रूप में वर्गीकृत अन्य मॉडलों में Anthropic (क्लॉड फेबल 5, माइथोस 5, ओपस 4.8), Google का जेमिनी 3.1 प्रो, डीपसीक R1 और GLM-5.2 शामिल हैं। शास्त्रीय ऑटोरेग्रेसिव लार्ज लैंग्वेज मॉडल (LLM) के विपरीत, जो तेज़ 'सिस्टम 1' की तरह काम करते हैं, रीज़निंग मॉडल चेन ऑफ़ थॉट, इनफरेंस टाइम पर अतिरिक्त गणना (टेस्ट-टाइम कंप्यूट) और रीइन्फोर्समेंट लर्निंग का उपयोग करते हैं। वे उपयोगकर्ता के लिए अदृश्य रीज़निंग टोकन उत्पन्न करते हैं, जो अनुरोध प्रसंस्करण समय को एक मिनट या उससे अधिक बढ़ा देता है। शोध से पता चला है कि 'अधिक सोचें' रणनीति मॉडल के आकार को बढ़ाने से अधिक प्रभावी है: एक मॉडल 14 गुना बड़े LLM के बराबर प्रदर्शन कर सकता है यदि उसे सोचने के लिए पर्याप्त समय दिया जाए। चीन का डीपसीक-R1 ने रीज़निंग को सीधे मॉडल में ही एकीकृत कर दिया, बाहरी 'क्रिटिक' को समाप्त कर दिया।