読み方のヒント
矢印ボタン(または ← → キー)でページを移動できます。
従来のモデルは、質問を受けると、すぐに答えの文章を書き始めます。これに対して、答える前に、内部で考える手順(思考の連鎖、Chain-of-Thought)を長く進めてから答えるように学習したモデルを、推論モデル(Reasoning Model)といいます。
質問:A店は1本120円のペンを30本、B店は1本100円のペンを40本仕入れた。
合計の金額はいくらか。
推論モデルの内部の考え方(例)
1. A店:120 × 30 = 3,600円
2. B店:100 × 40 = 4,000円
3. 合計:3,600 + 4,000 = 7,600円
答え:7,600円
推論モデルは、答えを出すときに多くの計算を使う代わりに、数学・プログラミング・複雑な判断などの正確さを高めます。学習のときだけでなく、使うとき(推論時)に計算を増やして性能を上げる、という考え方です。これを推論時の計算(テスト時の計算)と呼びます。
8 / 25