Waarom is dit belangrijk?
Moeilijke vraagstukken met veel samenhangende keuzes worden beter haalbaar, doordat extra rekentijd de kans op een juiste uitkomst vergroot. In de wetenschap komt dit terug bij de natuurwetenschappen, waar toetsen op expertniveau dit soort redeneren meten. Studenten en onderzoekers krijgen daarmee hulp bij het ontleden van een probleem, maar een antwoord duurt langer, vraagt meer rekenkracht en kan toch een fout bevatten.
Zo werkt het in de praktijk
In de zorg toetst MedR-Bench redeneermodellen zoals DeepSeek-R1 op diagnose en behandeling. Publieke veiligheidsinstituten uit de VS en het VK testten het redeneermodel o1 vóór publicatie op taken voor cyberveiligheid.
Onderzoekers vragen of die denkstappen feitelijk kloppen en volledig zijn. Bij een eenvoudige diagnose, met genoeg uitslagen, scoren de modellen boven 85 procent. Bij onderzoekskeuze en behandelplan ontbreken vaak belangrijke stappen.
Het bedrijf OpenAI koppelt redeneermodellen aan geschreven veiligheidsregels. Die werkwijze, deliberative alignment, laat het model de regels wegen in zijn denkstappen. Pas daarna volgt het antwoord, binnen de eigen beleidsregels.




