3. رویکرد تصمیم‌گیری خودکار مدل AdaptThink (توسعه‌یافته توسط دانشگاه Tsinghua چین)

در این رویکرد، مدل بدون مداخله کاربر یا تحلیل هزینه–فایده، به‌ طور خودکار تصمیم میگیره که در چه زمانی نیاز به استدلال و تفکر چند مرحله‌ای وجود داره.

 برای اطمینان از کیفیت پاسخ، در فرایند آموزش از قید هایی استفاده میشه که مدل رو ملزم میکنه در پاسخ‌ های بدون استدلال نیز کیفیتی هم‌ سطح پاسخ‌ های تحلیلی ارائه بده. همچنین، مدل با بهره‌گیری از تکنیک‌هایی نظیر یادگیری تقویتی (PPO) به تصمیم‌ گیری هوشمندانه دست میابه.

در حال حاضر، تمرکز این رویکرد تنها بر تصمیم‌گیری ابتدایی در خصوص نیاز یا عدم نیاز به استدلال هست. اما در آینده انتظار میره قابلیت‌ هایی نظیر موارد زیر به اون افزوده شه:

برنامه‌ریزی استدلال چندمرحله‌ای: مدل قادر خواهد بود پیش‌ بینی کنه چند مرحله استدلال لازمه و چگونه اون رو مدیریت کنه.

بازنگری و اصلاح پاسخ: در صورت تشخیص اشتباه، مدل میتونه برگرده و پاسخ خودش رو بهبود ببخشه.

ادغام با حافظه خارجی یا سیستم‌های بازیابی اطلاعات (RAG): مدل بر اساس نیاز، اطلاعات مرتبط رو از پایگاه‌های داده یا منابع خارجی بازیابی و در فرآیند استدلال وارد می‌کنه.