Preguntas frecuentes sobre el razonamiento profundo

Estas preguntas frecuentes (FAQ) describen el efecto de la IA de la característica de razonamiento profundo en 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 usar los modelos de razonamiento profundo en Copilot Studio?

Los modelos de razonamiento profundo en Copilot Studio ofrecen potentes capacidades para crear agentes sofisticados. Modelos como Azure OpenAI o3 utilizan razonamiento profundo para mejorar la toma de decisiones de los agentes y proporcionar respuestas más precisas.

Al crear agentes, puedes añadir instrucciones que definan las tareas del agente y cómo las realiza. 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. Puedes agregar modelos de razonamiento profundo para tareas que requieren investigación científica, preguntas complejas y análisis en profundidad 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: Usar razón para determinar el siguiente elemento de una serie matemática, como 2, 5, 10, 17. Esto desencadena el modelo de razonamiento durante el tiempo de ejecución del agente para ese paso específico. Copilot Studio actualmente utiliza el modelo Azure OpenAI o3 por sus capacidades avanzadas de razonamiento.

¿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 para garantizar su fundamento, 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 usuarios minimizar las limitaciones de estas listas?

• Uso de modelos de razonamiento: Un agente solo puede usar modelos de razonamiento profundo si las capacidades 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:

• Asegúrate de que las capacidades de los modelos de razonamiento profundo estén activadas solo para los agentes que las necesiten.

• Usa la palabra clave reason en las instrucciones del agente solo en 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, informa a los usuarios de que algunas respuestas de los agentes pueden tardar más.

¿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 puedan aportar el mayor 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 te ayuda a determinar si el modelo de razonamiento profundo está proporcionando la funcionalidad deseada.

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