Was ist Künstliche Intelligenz?
3 / 36
Unterschiedliche Modelle für unterschiedliche Aufgaben
-
Man unterscheidet Reasoning- und GPT-Modelle.
-
"[Die] Reasoning-Modelle [wurden] darauf trainiert, länger und gründlicher über komplexe Aufgaben "nachzudenken". Sie eignen sich besonders für:
-
- Navigation durch mehrdeutige Aufgaben aus dem Bereich Mathematik, Engineering, Recht, Finanzen und Co.,
- Analyse großer Datenmengen,
- Erkennen von Zusammenhängen,
- mehrstufige Planungsprozesse,
- visuelle Analyse,
- Code-Review und -Verbesserung.
-
Die GPT-Modelle („die Arbeitspferde“) hingegen sind optimiert für:
-
- schnelle Ausführung definierter Aufgaben,
- kostengünstige Verarbeitung,
- geringere Latenzzeiten.
-
Für optimale Ergebnisse empfiehlt OpenAI, die Modelle zu kombinieren: Reasoning-Modelle für Planung und Entscheidungsfindung, GPT-Modelle für die Ausführung.
- Die Prompts sollten dabei möglichst einfach und direkt sein – klassische Prompt-Engineering-Techniken (–> weitere Hinweise) sind bei den Reasoning-Modellen nicht nötig, da sie diese Prozesse bereits intern durchführen (Quelle)."
-
Ausführliche Best Practices für die Verwendung von Reasoning-Modellen:
-
...von OpenAI:
-
platform.openai.com LINK
-
…von Anthropic:
-
docs.anthropic.com LINK
-
Erklärung des Reasonings bei LLMs im Video:
-
-
Anthropic bietet ab Claude 3.7 Sonnet eine Lösung an, die GPT- und Reasoning-Modell automatisch miteinander vereint. Hier kann für die Inanspruchnahme der Reasoningfunktion in den "Extended-Modus" gewechselt werden. Beim Prompten muss hier keine Rücksicht mehr auf die Spezifika des Sprachmodelltyps genommen werden.