Processo de Pensamento-Resposta Recursivo para LLMs e VLMs

Recursive Think-Answer Process for LLMs and VLMs

March 2, 2026

Autores: Byung-Kwan Lee, Youngchae Chee, Yong Man Ro

cs.AI

Resumo

Racionais do tipo "Pensar-Responder", como o DeepSeek-R1, fizeram progressos notáveis ao aproveitar o raciocínio interno interpretável. No entanto, apesar da presença frequente de pistas autorreflexivas como "Ops!", eles permanecem vulneráveis a erros de saída durante a inferência de passagem única. Para enfrentar esta limitação, propomos um Processo Recursivo de Pensar-Responder (R-TAP) eficiente, que permite aos modelos envolverem-se em ciclos de raciocínio iterativos e gerar respostas mais precisas, indo além das abordagens convencionais de passagem única. Central para esta abordagem é um gerador de confiança que avalia a certeza das respostas do modelo e orienta melhorias subsequentes. Ao incorporar duas recompensas complementares – Recompensa por Aumento Recursivo de Confiança e Recompensa por Confiança na Resposta Final – mostramos que os modelos aprimorados com R-TAP superam consistentemente os métodos convencionais de passagem única, tanto para modelos de linguagem grandes (LLMs) quanto para modelos de visão e linguagem (VLMs). Além disso, ao analisar a frequência de expressões do tipo "Ops" nas respostas do modelo, descobrimos que os modelos com R-TAP aplicado exibem significativamente menos padrões autorreflexivos, resultando em um raciocínio no tempo de inferência mais estável e rápido. Esperamos que o R-TAP abra caminho para a evolução de métodos eficientes e elaborados para refinar os processos de raciocínio da IA futura.

English

Think-Answer reasoners such as DeepSeek-R1 have made notable progress by leveraging interpretable internal reasoning. However, despite the frequent presence of self-reflective cues like "Oops!", they remain vulnerable to output errors during single-pass inference. To address this limitation, we propose an efficient Recursive Think-Answer Process (R-TAP) that enables models to engage in iterative reasoning cycles and generate more accurate answers, going beyond conventional single-pass approaches. Central to this approach is a confidence generator that evaluates the certainty of model responses and guides subsequent improvements. By incorporating two complementary rewards-Recursively Confidence Increase Reward and Final Answer Confidence Reward-we show that R-TAP-enhanced models consistently outperform conventional single-pass methods for both large language models (LLMs) and vision-language models (VLMs). Moreover, by analyzing the frequency of "Oops"-like expressions in model responses, we find that R-TAP-applied models exhibit significantly fewer self-reflective patterns, resulting in more stable and faster inference-time reasoning. We hope R-TAP pave the way evolving into efficient and elaborated methods to refine the reasoning processes of future AI.