Modelos de Raciocínio Algorítmico de Tarefa Única: Como um Modelo Pequeno Supera um Grande LLM
O artigo discute a necessidade de modelos de raciocínio irem além do raciocínio baseado em texto, incorporando ferramentas, modos multimodais e representações latentes. Os autores introduzem o STARM, um framework para treinar modelos de raciocínio recursivo que superam significativamente os equivalentes de código aberto anteriores.
Os autores argumentam que, até 2026, modelos de raciocínio excelentes exigirão mais do que apenas raciocínio textual. Respostas de alta qualidade para a maioria das perguntas dos usuários exigirão o uso de ferramentas, modos de raciocínio multimodais e, às vezes, métodos exóticos, como raciocínio em representações latentes de redes. Eles apresentam a estrutura STARM para treinar modelos de raciocínio recursivo, que supera substancialmente os modelos de código aberto anteriores em qualidade, como demonstrado tanto pelos resultados de colegas quanto por sua própria pesquisa.
Fonte: Habr — хаб ИИ —
original