LRM-Modelle entschlüsselt: Episode-Theorie liefert Einblick in Denkprozesse

In einer wegweisenden Studie haben Forscher die Funktionsweise von Large Reasoning Models (LRMs) mithilfe der klassischen Episode-Theorie von Schoenfeld untersucht. Diese Theorie, die ursprünglich die menschliche Herangehensweise an mathematische Aufgaben beschreibt, wurde nun auf die von KI generierten Gedankenketten angewendet.

Die Autoren haben tausende Sätze und Absätze aus LRM-Lösungen zu Mathematikaufgaben mit sieben kognitiven Labels wie „Plan“, „Implement“ und „Verify“ annotiert. Das Ergebnis ist ein öffentlich zugängliches Benchmark‑Set, das sowohl einen umfangreichen annotierten Korpus als auch detaillierte Anleitungsbücher enthält.

Erste Analysen zeigen, dass LRMs klare Muster in ihren Denkprozessen aufweisen, insbesondere in den Übergängen zwischen den kognitiven Zuständen. Diese Erkenntnisse bieten eine theoretisch fundierte Grundlage, um die Denkweise von KI-Systemen besser zu verstehen und zukünftige Modelle transparenter und kontrollierbarer zu gestalten.