ainews
Создать
Войти
Статья объясняет, почему языковые модели лучше справляются со сложными задачами, когда им разрешают записывать промежуточные шаги рассуждений. Автор показывает, что chain-of-thought (CoT) — это не просто улучшение точности, но и способ сделать работу модели понятной для человека, хотя эта «прозрачность» обманчива.
Исследователи Google обнаружили парадокс: даже для ответа на простой фактический вопрос (например, «В каком году X был включён в Зал славы?») языковые модели показывают лучший результат, если им дать «порассуждать». Оказалось, что это работает за счёт двух механизмов: дополнительные токены дают модели время на скрытые вычисления (computational buffer), а генерация смежных фактов активирует правильный ответ в памяти (factual priming) — эффект, похожий на человеческую ассоциативную память.
