Периодическая таблица рассуждений больших языковых моделей: структурированный обзор парадигм, методов и режимов отказа
The Periodic Table of LLM Reasoning: A Structured Survey of Reasoning Paradigms, Methods, and Failure Modes
2026-06-09
SCID: 54.1/hejyc3vk
Discuss with AI
рассуждение по цепочке мыслейрассуждение больших языковых моделеймногошаговый поиск ответоврассуждение с дополнением извлечениемвывод с управлением верификатором
Figures from the paper
Abstract (AI)
Рассуждение стало центральным аспектом оценки и интерпретации больших языковых моделей (LLM), охватывая пошаговое рассуждение (Chain-of-Thought, CoT), решение математических задач, многошаговый поиск ответов на вопросы, генерацию кода, рассуждение с дополнением посредством поиска, использование инструментов и мультимодальное принятие решений. В этом обзорном исследовании мы представляем «Периодическую таблицу рассуждений LLM» — структуру, систематизирующую более 300 недавних публикаций по парадигмам рассуждения, методологическим механизмам, условиям оценки и режимам отказа. Мы классифицируем рассуждение LLM по девяти парадигмам: пошаговое рассуждение, многошаговое рассуждение, математическое рассуждение, рассуждение на основе здравого смысла, визуальное и временное рассуждение, рассуждение при работе с кодом и алгоритмами, рассуждение с дополнением посредством поиска, рассуждение с дополнением посредством инструментов или агентное рассуждение, а также рассуждение на основе обучения с подкреплением. Для каждой парадигмы мы рассматриваем такие подходы, как формирование запросов, архитектурные модификации, обучение с учителем на специализированных данных, вывод с использованием верификаторов, моделирование вознаграждения, поиск, интерфейсы инструментов, агентные рабочие процессы и разработка бенчмарков. Мы утверждаем, что рассуждение LLM представляет собой не единую эмерджентную способность, а совокупность структурированных с помощью внешних средств форм поведения, определяемых масштабом модели, структурой задачи, внешней памятью, типом обучения и протоколами оценки. Мы обобщаем регулярно встречающиеся режимы отказа, включая галлюцинированные рассуждения, хрупкий многошаговый вывод, ложные обоснования, слабую каузальную обоснованность, низкую способность к обобщению вне распределения, загрязнение бенчмарков и ненадёжную самопроверку. Сопоставление прогресса между парадигмами затруднено, поскольку улучшения могут быть обусловлены формированием запросов, поиском, разработкой верификаторов или структурой бенчмарка, а не общей способностью к рассуждению. В обзоре методы связываются с лежащими в их основе предпосылками, преимуществами и режимами отказа, что обеспечивает обзорную карту области и диагностическую основу для будущих исследований. Мы заключаем, что надёжное рассуждение LLM потребует мета-рассуждения, мультимодальной и временной привязки к контексту, адаптивного использования инструментов и обоснованной оценки в условиях сдвига распределения.
Key Findings
1
К повторяющимся сбоям относятся галлюцинированные рассуждения, хрупкий многошаговый вывод, ложные обоснования, слабая причинная обоснованность, плохая обобщаемость вне распределения, загрязнение бенчмарков и ненадёжная самопроверка.
2
Сравнение прогресса в рассуждении затруднено, поскольку улучшения могут быть вызваны промптингом, поиском, конструкцией проверяющих модулей или структурой бенчмарка, а не общими способностями к рассуждению.
3
Авторы утверждают, что рассуждение LLM представляет собой семейство скaffoldированных форм поведения, зависящих от масштаба модели, структуры задачи, внешней памяти, обучения и протоколов оценки.
4
Для надёжного рассуждения LLM необходимы метарассуждение, мультимодальная и временная привязка, адаптивное использование инструментов и принципиальная оценка при сдвиге распределения.
5
Обзор систематизирует более 300 исследований в рамках девяти парадигм рассуждения LLM, методов, условий оценки и типов отказов.
Research Object
рассуждение больших языковых моделей (LLM)
Research Subject
парадигмы рассуждения, методологические механизмы, условия оценки и повторяющиеся типы отказов больших языковых моделей
Publication Details
Publication Date
2026-06-09
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest