Onderzoek heeft aangetoond dat training van AI-modellen om na te denken alvorens te reageren aanzienlijk hun redeneervermogen kan verbeteren. Traditioneel gezien houden AI-chatbots zoals ChatGPT geen rekening met hun antwoorden of anticiperen ze niet op verschillende mogelijke gesprekken. Echter, een nieuwe trainingsmethode genaamd "Quiet-STaR" instrueert AI-systemen om meerdere interne redeneringen te genereren voordat ze een reactie geven op een prompt. Door deze voorspellingen te combineren, kan de AI het beste antwoord geven dat kan worden geverifieerd door een menselijke deelnemer.

Deze methode stelt de AI ook in staat om te leren door onjuiste redeneringen te verwerpen, waardoor hij toekomstige gesprekken kan anticiperen en kan leren van lopende gesprekken. Het Quiet-STaR-algoritme werd toegepast op Mistral 7B, een open-source taalmodel, resulterend in een redeneertestscore van 47, 2%, wat een significante verbetering is ten opzichte van de pre-trainingsscore van 36, 3%. De AI heeft nog steeds moeite met bepaalde taken, zoals een schoolwiskundetest, maar de prestaties zijn verdubbeld van 5, 9% naar 10, 9%. Deze benadering toont belofte in het verbeteren van het redeneervermogen van AI-modellen en het overbruggen van de kloof tussen neurale netwerkgebaseerde systemen en mensachtige redenering.