Modelos de Raciocínio Geram Sociedades do Pensamento

Resumo

Os grandes modelos de linguagem alcançaram capacidades notáveis em diversos domínios, mas os mecanismos subjacentes ao raciocínio sofisticado permanecem elusivos. Modelos de raciocínio recentes superam modelos de instrução equivalentes em tarefas cognitivas complexas, atribuindo-se isso ao cálculo estendido por meio de cadeias de pensamento mais longas. Aqui demonstramos que o raciocínio aprimorado surge não apenas do cálculo estendido, mas da simulação de interações semelhantes às de múltiplos agentes – uma sociedade do pensamento – que permite a diversificação e o debate entre perspetivas cognitivas internas caracterizadas por traços de personalidade distintos e conhecimentos especializados de domínio. Através de análise quantitativa e métodos de interpretabilidade mecanicista aplicados a traços de raciocínio, descobrimos que modelos como o DeepSeek-R1 e o QwQ-32B exibem uma diversidade de perspetivas muito maior do que os modelos de instrução, ativando um conflito mais amplo entre características heterogéneas relacionadas com personalidade e conhecimento especializado durante o raciocínio. Esta estrutura multiagente manifesta-se em comportamentos conversacionais, incluindo perguntas e respostas, mudanças de perspetiva e a reconciliação de visões conflituosas, e em papéis socioemocionais que caracterizam conversas dinâmicas de vai-e-vem, explicando em conjunto a vantagem de precisão em tarefas de raciocínio. Experiências controladas de aprendizagem por reforço revelam que os modelos base aumentam os comportamentos conversacionais quando recompensados apenas pela precisão do raciocínio, e que o ajuste fino de modelos com andaimes conversacionais acelera a melhoria do raciocínio em relação aos modelos base. Estes resultados indicam que a organização social do pensamento permite uma exploração eficaz dos espaços de soluções. Sugerimos que os modelos de raciocínio estabelecem um paralelo computacional com a inteligência coletiva em grupos humanos, onde a diversidade permite uma resolução de problemas superior quando sistematicamente estruturada, o que sugere novas oportunidades para a organização de agentes aproveitarem a sabedoria das multidões.

English

Large language models have achieved remarkable capabilities across domains, yet mechanisms underlying sophisticated reasoning remain elusive. Recent reasoning models outperform comparable instruction-tuned models on complex cognitive tasks, attributed to extended computation through longer chains of thought. Here we show that enhanced reasoning emerges not from extended computation alone, but from simulating multi-agent-like interactions -- a society of thought -- which enables diversification and debate among internal cognitive perspectives characterized by distinct personality traits and domain expertise. Through quantitative analysis and mechanistic interpretability methods applied to reasoning traces, we find that reasoning models like DeepSeek-R1 and QwQ-32B exhibit much greater perspective diversity than instruction-tuned models, activating broader conflict between heterogeneous personality- and expertise-related features during reasoning. This multi-agent structure manifests in conversational behaviors, including question-answering, perspective shifts, and the reconciliation of conflicting views, and in socio-emotional roles that characterize sharp back-and-forth conversations, together accounting for the accuracy advantage in reasoning tasks. Controlled reinforcement learning experiments reveal that base models increase conversational behaviors when rewarded solely for reasoning accuracy, and fine-tuning models with conversational scaffolding accelerates reasoning improvement over base models. These findings indicate that the social organization of thought enables effective exploration of solution spaces. We suggest that reasoning models establish a computational parallel to collective intelligence in human groups, where diversity enables superior problem-solving when systematically structured, which suggests new opportunities for agent organization to harness the wisdom of crowds.

Modelos de Raciocínio Geram Sociedades do Pensamento

Reasoning Models Generate Societies of Thought

Resumo

Support