Reasoning-Modelle und Denkschritte
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 4
Neueste datierte Quelle: 2025-07-15
Mindestens eine Quelle wurde innerhalb des 18-Monats-Zeitraums veröffentlicht.
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Im Glossar öffnen Lesenotizen · Strukturierter Dateneintrag
Einfach erklärt
Modelle, die darauf trainiert oder dafür eingerichtet sind, vor der endgültigen Antwort Zwischenschritte zu bearbeiten. [1]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Grenzen und Unterschiede
Eine lesbare Folge von Denkschritten kann bei der Überwachung helfen, bildet die internen Berechnungen des Modells aber nur unvollständig ab. Mehr Schritte beweisen für sich genommen nicht, dass die Antwort stimmt. [3] [4]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Ausführlicher erklärt
Diese Systeme können zusätzliche Rechenarbeit dafür einsetzen, Schritte zu erzeugen, Versuche zu prüfen oder Alternativen durchzugehen. DeepSeek-R1 ist ein untersuchtes Beispiel dafür, solches Verhalten durch bestärkendes Lernen zu fördern. Eine schriftliche Folge von Zwischenschritten wird oft Chain of Thought genannt. [1]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Wie das zur Karte passt
Prüfe Ergebnisse bei passenden Aufgaben und wie viel Zeit oder Rechenarbeit sie erfordert haben. [1] [2]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Diese Seite teilen
https://theaiatlas.org/ideas/reasoning-models/
Bild zum Teilen herunterladen · Vektorgrafik
Vorschaubilder sind Zusammenfassungen. Teile den Seitenlink mit, damit andere die Belege prüfen können.
Quellen und Umfang unserer Lektüre
1. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
Die Quelle ist über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2025-01-22
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Kurzfassung, Einleitung und die Erörterung von Gedankenketten und zusätzlicher Rechenzeit beim Antworten wurden gelesen. Die Daten wurden anhand des Versionsverlaufs der Kurzfassungsseite geprüft. Verwendet für Beispiele zu Training und längerem Schlussfolgern; die Testergebnisse der Autoren sind weder eine allgemeine Rangliste noch eine Erklärung des gesamten Modellinneren.
2. Holistic Evaluation of Language Models
Die Quelle ist über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2022-11-16
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Kurzfassung und Versionsverlauf wurden gelesen, darunter mehrere Anwendungsfälle und Maße, standardisierte Vergleiche und eingeräumte Lücken der Abdeckung. Verwendet für Prüfprinzipien; historische Modellwerte werden nicht als aktuelle Rangliste dargestellt.
3. Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2025-07-15
Mindestens eine Quelle wurde innerhalb des 18-Monats-Zeitraums veröffentlicht.
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Kurzfassung, Begründung, Forschungsfragen, Einschränkungen und Schlussfolgerung wurden gelesen. Ein wissenschaftliches Positionspapier: aufgezeichnete Denkschritte können die Überwachung unterstützen, bleiben aber unvollständig und möglicherweise empfindlich gegenüber Veränderungen. Die Ansichten der Autoren sind nicht zwingend die Positionen ihrer Institutionen; die zitierten Experimente wurden nicht alle unabhängig geprüft.
4. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
Die Quelle ist über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2024-07
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Einleitung, Abschnitt 2.2 zu erfundenen Angaben und ausgewählte MEASURE-Maßnahmen 2.3, 2.5, 2.6, 2.7 und 2.9 wurden gelesen. Sie betreffen Prüfbelege, Verallgemeinerung, Zitate, Prüfung erzeugten Codes und Schutzmaßnahmen. Ein freiwilliges Risikomanagementprofil; es wird nicht behauptet, dass alle 64 Seiten oder jede zitierte Studie geprüft wurden.
Ausgabe und maschinenlesbare Belege
Inhaltsversion 0.20.0. Quellenstichtag 2026-09-15; das bedeutet nicht, dass jede Quelle an diesem Tag gelesen wurde.
Festgehaltenes vollständiges Datenpaket · Vollständige Quellennotizen · Anleitung für KI-Agenten