Fugu-MT 論文翻訳(概要): (How) Do reasoning models reason?

論文の概要: (How) Do reasoning models reason?

arxiv url: http://arxiv.org/abs/2504.09762v1
Date: Mon, 14 Apr 2025 00:03:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-15 16:52:37.577940
Title: (How) Do reasoning models reason?
Title（参考訳）: ()推論モデルには理由があるか?
Authors: Subbarao Kambhampati, Kaya Stechly, Karthik Valmeekam,
Abstract要約: 我々は,OpenAI o1 や DeepSeek R1 など,近年の大規模推論モデル (LRM) の広範に統一された視点を提供する。
参考スコア（独自算出の注目度）: 17.329365493094542
License:
Abstract: We will provide a broad unifying perspective on the recent breed of Large Reasoning Models (LRMs) such as OpenAI o1 and DeepSeek R1, including their promise, sources of power, misconceptions and limitations.
Abstract（参考訳）: われわれは、OpenAI o1やDeepSeek R1といった最近のLarge Reasoning Models(LRMs)について、その約束、力の源泉、誤解、制限を含む、広く統一された視点を提供する。

関連論文リスト

The Hidden Risks of Large Reasoning Models: A Safety Assessment of R1 [70.94607997570729]
本稿では,OpenAI-o3およびDeepSeek-R1推論モデルの総合的安全性評価を行う。本研究では, 現実の応用における強靭性を評価するために, ジェイルブレイクやインジェクションなどの敵攻撃に対する感受性について検討する。
論文参考訳（メタデータ） (2025-02-18T09:06:07Z)
Typhoon T1: An Open Thai Reasoning Model [12.076338505539194]
推論モデルは、最終回答に到達する前に、長いチェーンの思考を生成する。台風T1号はタイのオープン推論モデルを開発するためのオープンな取り組みを提示している。
論文参考訳（メタデータ） (2025-02-13T07:55:54Z)
Brief analysis of DeepSeek R1 and its implications for Generative AI [0.0]
DeepSeekは新しい推論モデル(DeepSeek R1)を2025年1月にリリースした。本報告では、生成AI分野におけるモデルと、そのリリースの意味について論じる。
論文参考訳（メタデータ） (2025-02-04T17:45:32Z)
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning [147.16121855209246]
第一世代の推論モデルであるDeepSeek-R1-ZeroとDeepSeek-R1を紹介します。 DeepSeek-R1-Zeroは大規模な強化学習を通じて訓練されている。 DeepSeek-R1は、RLの前にマルチステージトレーニングとコールドスタートデータを組み込んでいる。
論文参考訳（メタデータ） (2025-01-22T15:19:35Z)
O1-Pruner: Length-Harmonizing Fine-Tuning for O1-Like Reasoning Pruning [98.3430004984531]
精度を維持しながら推論オーバーヘッドを最小限に抑えるため,Longth-Harmonizing Fine-Tuning (O1-Pruner)を提案する。私たちのコードはもうすぐhttps://github.com/StarDewXXX/O1-Pruner.comで公開されます。
論文参考訳（メタデータ） (2025-01-22T01:35:11Z)
A Comparative Study on Reasoning Patterns of OpenAI's o1 Model [69.08287909042421]
OpenAIのo1モデルは、ほとんどのデータセットで最高のパフォーマンスを実現しています。また、いくつかの推論ベンチマークについて詳細な分析を行う。
論文参考訳（メタデータ） (2024-10-17T15:09:03Z)
Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
論文参考訳（メタデータ） (2024-03-30T00:53:53Z)
Explanations from Large Language Models Make Small Reasoners Better [61.991772773700006]
提案手法は, 異なる設定において, 微調整ベースラインを連続的に, 著しく向上させることができることを示す。副次的な利点として、人間の評価は、その予測を正当化するために高品質な説明を生成することができることを示す。
論文参考訳（メタデータ） (2022-10-13T04:50:02Z)
Explaining Causal Models with Argumentation: the Case of Bi-variate Reinforcement [15.947501347927687]
因果モデルから議論フレームワーク(AF)を生成するための概念化を導入する。この概念化は、AFの意味論の望ましい性質を説明型として再解釈することに基づいている。我々はこれらの論証的説明の理論的評価を行い、それらが望ましい説明的および論証的特性の範囲を満たすかどうかを検討する。
論文参考訳（メタデータ） (2022-05-23T19:39:51Z)
Explanatory Pluralism in Explainable AI [0.0]
私は、説明のタイプとそれに対応するXAIメソッドの分類をグラフ化します。 AIモデルの内部メカニズムを公開しようとすると、診断説明を生成する。モデルを安定に一般化したい場合、期待-説明を生成する。最後に、モデルの使用を正当化したい場合、ロール・エクスラレーションを生成します。
論文参考訳（メタデータ） (2021-06-26T09:02:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。