Модели алгоритмического рассуждения для одной задачи: как небольшая модель превосходит большую LLM
В статье обсуждается необходимость выхода моделей рассуждения за рамки текстовых рассуждений, с включением инструментов, мультимодальных режимов и латентных представлений. Авторы представляют STARM — фреймворк для обучения рекурсивных моделей рассуждения, который значительно превосходит предыдущие аналоги с открытым исходным кодом.
Авторы утверждают, что к 2026 году для высококачественных моделей рассуждения потребуется не только текстовое мышление. Для получения качественных ответов на большинство пользовательских вопросов будет необходимо использование инструментов, мультимодальных режимов рассуждения, а иногда и экзотических методов, таких как рассуждение в скрытых представлениях сети. Они представляют фреймворк STARM
Показать ещё ↓
Источник: Habr — хаб ИИ —
оригинал