Сегодня наш пост посвящен статье с интересным и многообещающим названием, The cost of thinking is similar between large reasoning models and humans, вышедшей в ноябре 2025 года в PNAS. Авторы задались вопросом, могут ли языковые модели «схватить» особенности человеческого мышления, а в частности, отразить когнитивные затраты на обработку информации. Для ответа на этот сложный вопрос, они использовали сравнительно новый тип языковых моделей, Large Reasoning Models (LRM) и оценили длину цепочки рассуждений при решении семи типов задач. Эти же семь типов задач выполняли люди. Авторы рассчитали корреляцию между длиной цепочки рассуждений и временем решения задач людьми и сделали вывод о том, что длина цепочки рассуждений предсказывает (да! Они действительно говорят «предсказывает»!) время реакции людей как внутри отдельных задач, так и между задачами. Это согласование между моделями и людьми показывает, что reasoning-модели отражают ключевые свойства, определяющие сложность проблем и задач в человеческих познавательных процессах. Не хочется спойлерить, но по моему мнению, заголовок статьи гораздо интереснее, чем полученные результаты (как в моем детстве говорили, «размах на рубль, удар на копейку»). Тем не менее, статью может быть интересно прочитать как пример того, какие исследования являются мейнстримом. И в очередной раз посокрушаться. 😊 Более подробно тут