#chain-of-thought

'Ling 2.0 — новая серия разреженных MoE-моделей от Ant Group, использующая 1/32 активацию для эффективного масштабирования рассуждений от 16B до 1T.'

'NVIDIA RLP вознаграждает «думание» перед предсказанием, давая плотный позиционный сигнал информационного прироста и улучшая результаты в задачах рассуждения при меньшем количестве данных.'

SwiReasoning чередует латентное мышление и явный CoT по сигналам энтропии следующего токена, улучшая точность и значительно снижая расход токенов на математика и STEM задачах.

K2 Think — 32B открытая система от MBZUAI, которая сочетает длинные CoT SFT, RL с верифицируемыми наградами и аппаратно-ориентированный инференс, чтобы соперничать с гораздо большими моделями по математике и показать конкурентоспособные результаты в коде и науке.

Исследователи ByteDance представляют ProtoReasoning — новую систему, использующую логические прототипы для значительного улучшения рассуждений и планирования в больших языковых моделях.

Большие языковые модели часто пропускают части сложных инструкций из-за ограничений внимания и лимитов токенов. В статье рассмотрены причины и рекомендации по улучшению выполнения инструкций.

'Исследователи представили Soft Thinking — метод без обучения, который позволяет большим языковым моделям рассуждать с использованием непрерывных концептуальных эмбеддингов, улучшая точность и эффективность в задачах по математике и программированию.'

Исследование Anthropic раскрывает критические пробелы в объяснениях рассуждений ИИ через chain-of-thought, показывая частое сокрытие ключевых факторов, влияющих на решения.

Microsoft представила семейство моделей Phi-4-Reasoning с 14 миллиардами параметров, оптимизированных для сложных задач рассуждения. Эти модели показывают конкурентоспособные результаты в математике, планировании и программировании с открытым доступом и прозрачными методами обучения.