Ny AI-modell for tidsdata: Tenker komposisjonelt, ikke bare imitasjon

En ny modell kalt TimeThink er utviklet for å løse et sentralt problem i AI-systemer som behandler tidsdata: evnen til å forklare sine resonnementer. Eksisterende modeller, spesielt de for spørsmål og svar med tidsrekker, har ofte sviktet i å forstå dynamiske, temporale mønstre fullt ut og gir sjeldent innsikt i den underliggende logikken, noe som er kritisk i felt som helsevesenet. TimeThink bruker en metode kalt RLVR (Reinforcement Learning with Verifiable Rewards), som lar modellen lære den bakenforliggende logikken bak tidsdata, i stedet for kun å etterligne mønstre. Dette gjør at den presterer bedre på både syntetiske og reelle datasett enn tidligere modeller, selv om den kun er trent på syntetiske data.