Preguntas frecuentes sobre el razonamiento profundo

Estas preguntas frecuentes describen el impacto de la inteligencia artificial en la funcionalidad de razonamiento avanzado de Copilot Studio.

¿Qué es el razonamiento profundo?

Los modelos de razonamiento profundo son modelos lingüísticos avanzados de gran tamaño diseñados para resolver problemas complejos. Consideran cuidadosamente cada pregunta, generando una cadena de pensamiento interna detallada antes de proporcionar una respuesta al usuario.

¿Cómo se pueden utilizar los modelos de razonamiento profundo en Copilot Studio?

Los modelos de razonamiento profundo en Copilot Studio ofrecen potentes capacidades para crear agentes sofisticados. Los modelos como Azure OpenAI o3 usan un razonamiento profundo para mejorar la toma de decisiones del agente y devolver respuestas más precisas.

Al compilar agentes, puede agregar instrucciones que definan las tareas del agente y cómo las logra. Estas tareas pueden variar desde simples hasta muy complejas, lo que requiere un análisis exhaustivo.

Los creadores pueden aplicar modelos de razonamiento a pasos específicos de las instrucciones del agente, lo que mejora la capacidad del agente para realizar un razonamiento avanzado y ofrecer resultados más precisos y perspicaces. Puede agregar modelos de razonamiento profundo para tareas que requieren investigación científica, preguntas complejas y análisis detallados de datos no estructurados. Estos modelos proporcionan información más allá de las capacidades de los modelos más simples.

Para usar modelos de razonamiento, agregue la palabra clave razón a pasos específicos de las instrucciones del agente. Por ejemplo: Use la razón para determinar el siguiente elemento de una serie matemática, como 2, 5, 10, 17. Esto activa el modelo de razonamiento durante la ejecución del agente en ese paso específico. Copilot Studio actualmente usa el modelo o3 de Azure OpenAI para sus funcionalidades de razonamiento avanzadas.

¿Cuáles son los usos previstos de los modelos de razonamiento profundo?

 Los modelos de razonamiento profundo están diseñados para manejar tareas complejas que requieren razonamiento lógico, resolución de problemas y análisis paso a paso. Por ejemplo, puede usar modelos de razonamiento profundo para:

• Evalúa las tendencias del mercado y recomienda las mejores oportunidades de inversión. Los modelos de razonamiento profundo pueden desglosar los datos de mercado en pasos más pequeños y manejables; analizar tendencias; y recomendar las mejores oportunidades de inversión. Pueden considerar varios factores, como datos históricos, condiciones actuales del mercado y proyecciones futuras para proporcionar recomendaciones de inversión bien informadas.

• Analizar el aumento de la demanda y recomendar estrategias para administrar el inventario. Los modelos pueden analizar patrones en la demanda y la oferta, predecir las necesidades futuras de inventario y recomendar estrategias para administrar el inventario de manera efectiva. Al considerar factores como las tendencias estacionales, las fluctuaciones del mercado y la dinámica de la cadena de suministro, los modelos de razonamiento profundo pueden ayudar a las empresas a optimizar su administración de inventario.

• Resuelva ecuaciones diferenciales y proporcione explicaciones paso a paso. Los modelos pueden resolver problemas matemáticos complejos, como ecuaciones diferenciales, y proporcionar explicaciones paso a paso de la solución. Al dividir el problema en pasos más pequeños y aplicar el razonamiento lógico, los modelos de razonamiento profundo pueden ofrecer soluciones claras y detalladas a los desafíos matemáticos.

¿Cómo se evaluaron los modelos de razonamiento profundo y qué métricas se utilizan para medir el rendimiento?

Los modelos de razonamiento profundo utilizados en Copilot Studio se evalúan en cuanto a fundamentación, IA responsable y precisión. La fundamentación consiste en asegurarse de que el modelo solo devuelve contenido que se basa en un contexto específico del mundo real. La IA responsable comprueba la protección contra daños como ataques de jailbreak, ataques de inyección de mensajes entre dominios y contenido dañino.

Para medir con estas dimensiones, los modelos se prueban en un conjunto diverso de escenarios y se puntúan a lo largo de cada una de estas dimensiones. Todos los modelos de razonamiento profundo se evalúan antes de ser publicados.

¿Cuáles son las limitaciones de los modelos de razonamiento profundo? ¿Cómo pueden los creadores minimizar el impacto de estas limitaciones?

• Uso de modelos de razonamiento: un agente solo puede usar modelos de razonamiento profundo si las funcionalidades del modelo de razonamiento profundo están activadas en la configuración del agente.

• Tiempo de respuesta: Debido al tiempo requerido para el análisis, las respuestas de los modelos de razonamiento tienden a ser más lentas en comparación con otros modelos de lenguaje de razonamiento no profundo.

Para minimizar el impacto de estas limitaciones, puede:

• Asegúrese de que las funcionalidades de los modelos de razonamiento profundo solo están activadas para los agentes que los necesitan.

• Usa la palabra clave reason en las instrucciones del agente solo para los pasos que se beneficien de modelos de razonamiento profundo.

• Utilice modelos de razonamiento profundo para tareas que permitan tiempos de respuesta más largos. Si es necesario, informe a los usuarios de que algunas respuestas del agente pueden tardar más tiempo.

¿Qué factores operativos y configuraciones permiten un uso eficaz y responsable de los modelos de razonamiento profundo?

Los modelos de razonamiento profundo incluyen varias protecciones para garantizar que los administradores, creadores y usuarios disfruten de una experiencia segura y conforme a las normas.

• Solo permite modelos de razonamiento profundo para agentes que requieren pasos de razonamiento complejos. Esto garantiza que los modelos se apliquen donde pueden proporcionar el máximo valor.

• Incluya la palabra razón clave en las instrucciones para desencadenar el modelo en tiempo de ejecución para tareas específicas, no para todas las tareas que podrían no requerir un razonamiento complejo.

• Pruebe minuciosamente el agente para garantizar la precisión y fiabilidad del resultado proporcionado por el modelo de razonamiento profundo. Las pruebas también ayudan a identificar cualquier problema potencial y garantizan que el modelo funcione como se espera.

• Utilice el mapa de actividad para revisar dónde utiliza su agente modelos de razonamiento profundo en una sesión. Expanda el nodo de razonamiento profundo en el mapa para revisar los pasos que ha dado el modelo y el resultado del modelo. Esto le ayuda a determinar si el modelo de razonamiento ofrece la funcionalidad prevista.

• Compare los resultados con y sin usar un modelo de razonamiento profundo actualizando sus instrucciones durante las pruebas.