Исследователи из T-Bank AI Research и Центрального университета предложили новый способ обучать большие языковые модели логическому мышлению — и для этого не нужно дорогое и долгое переобучение. Вместо изменений в миллиардах параметров, они добавляют к модели крошечные “подсказки-векторы”, которые мягко корректируют ход логических рассуждений. Этот подход позволяет оставить всю мощь исходной модели, а ресурсов тратится намного меньше. Например, для улучшения логики требуется изменить только 0,0016% параметров — при этом качество результата такое же, как у полного дообучения, а памяти понадобится не гигабайты, а всего сотни килобайт. Метод уже протестировали на популярных математических задачах, и вскоре его смогут внедрить в разные системы — от чат-ботов до аналитических программ. Благодаря этому даже небольшие лаборатории и стартапы смогут создавать умные ИИ с полноценным логическим мышлением, а не только богатые корпорации. Исследование также важно для развития интерпретируемости ИИ — то есть лучше понять, как именно искусственный интеллект принимает решения. Свой метод российские учёные представили на престижной международной конференции EMNLP 2025 в Китае, где его уже обсудили ведущие специалисты по обработке естественного языка. Работа открывает путь к более доступному и эффективному обучению ИИ сложной логике.