Model rozumujący (ang. , RLM , LRM) – duży model językowy (LLM), który został dodatkowo wytrenowany w celu rozwiązywania wieloetapowych zadań wymagających rozumowania. Modele te sprawdzają się lepiej w zadaniach logicznych, matematycznych i programistycznych niż tradycyjne modele LLM, ponieważ są wytrenowane do nawracania. Modele RLM do tradycyjnych „osi skalowania” (wielkość zbioru treningowego, liczba hiperparametrów modelu, moc obliczeniowa w trakcie uczenia) dodają nową oś: moc obliczeniową podczas testowania.

Modele rozumujące powstały jako odpowiedź na ograniczoną ilość dostępnych danych treningowych wysokiej jakości.

Historia Wczesne prace nad dostosowaniem uczenia przez wzmacnianie (RL) na podstawie informacji zwrotnej od człowieka wykazały, że modele można dostroić do wykonywania instrukcji z wykorzystaniem informacji zwrotnej od człowieka i nagród opartych na preferencjach. W 2022 roku naukowcy z Google Research wykazali, że podpowiadanie na podstawie łańcucha myśli poprawia zdolność dużych modeli do rozwiązywania złożonych zadań rozumowania.

Podobne wyniki wykazały, że proste polecenie "Myśl krok po kroku" może wywołać rozumowanie typu zero-shot learning.