ああ、それは中国のチームが発表した、企業での利用に特化した新しいAIモデルについての論文だよ。特に『考えすぎ』っていう問題を解決しているのが面白いんだ。

いや、そういう意味じゃない。最近の高性能なAIは、答えを出す前に「思考の連鎖」っていう長い推論を行うんだけど、正解に辿り着いた後も「本当に合ってるかな？」って何度も同じ確認を繰り返して、無駄に長い文章を出力しちゃうことがあるんだ。これをオーバーシンキングと呼ぶんだよ。

計算コスト、つまり電気代や時間が無駄にかかるし、企業で使うには効率が悪すぎるんだ。この論文では、それを解決するために『RAPO』っていう新しい学習方法を提案しているんだよ。

RAPOの中にある『RIRM』っていう仕組みを使うんだ。これは、AIが最初に正解を出したタイミングを特定して、その後の無駄な振り返り（リフレクション）が多いと、報酬を減らすように学習させるんだよ。つまり「手短に正解を出せたら褒める」っていう教育方針だね。

構造としては『MoE（Mixture-of-Experts）』を採用している。これは、たくさんの「専門家」パーツを用意しておいて、計算のたびに必要なパーツだけを動かす仕組みだ。全体で400億のパラメータがあるけど、実際に動くのは37億だけだから、すごく軽いんだよ。

そう。画像を細かく分割して理解するモジュールが入っていて、複雑な表やグラフも読み取れる。企業で使うRAG、つまり社内文書を検索して答えるタスクや、長い会議の要約なんかが得意なんだ。

数学や科学のテストで、世界トップクラスのモデルと同じくらいの正解率を出しながら、使う言葉の量（トークン数）を半分から4分の1くらいに減らせたんだ。効率がめちゃくちゃいいってことだね。

このモデルはオープンソースとして公開されているから、世界中の企業が自分たち専用の効率的なAIを作る土台になるはずだよ。ただ、まだどんな複雑なタスクでも完璧に考えすぎを抑えられるわけじゃないから、今後はもっと多様なシーンでの最適化が研究されるだろうね。

……それが一番のオーバーシンキングだよ。さっさと決めてくれ。