W momencie wprowadzenia etykiety „negatywnej” osoba etykietująca przestaje etykietować dane kroki myślenia.
Ograniczenia Na rok 2025, modele rozumujące są poddawane głównie benchmarkom, które skupiają się na problemach matematycznych i programistycznych, które stanowią tylko podzbiór problemów rozumowania. Na przykładzie zagadki wież Hanoi, na rok 2025 można wyróżnić 3 kategorie złożoności (w oparciu o wiodące modele rozumujące):
Problemy małej złożoności (problem wież do 3 słupków): klasyczne LLMy działają lepiej niż LRMy Problemy średniej złożoności (problem wież z 4 do 10 słupków): LRMy działają lepiej niż LLMy Problemy dużej złożoności (problem wież z ponad 11 słupkami): wszystkie modele przestają działać
W problemach małej złożoności, przyczyną gorszej wydajności modeli rozumujących w porównaniu z LLMami jest nadmierne myślenie. Głównymi przyczynami załamania modeli rozumujących w problemach dużej złożoności są koszta znalezienia i weryfikacji, które wymagają znacznie więcej obliczeń niż samo wykonanie danego algorytmu, limit tokenów wyjściowych modeli rozumujących, struktura definiowania problemu jak i same ograniczenia kognitywne modeli.