Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Migliorare le risposte del modello con il ragionamento basato su modello
<a name="inference-reasoning"></a>

Alcuni modelli di fondazione sono in grado di eseguire il ragionamento basato su modello, grazie al quale un’attività ampia e complessa viene suddivisa in passaggi più piccoli e più semplici. Questo processo viene spesso definito ragionamento a catena di pensiero. Il ragionamento a catena di pensiero può migliorare la precisione del modello perché dà al modello la possibilità di valutare prima di rispondere. Il ragionamento basato su modello è particolarmente utile per attività come l’analisi in più fasi, problemi matematici e attività di ragionamento complesse. 

Ad esempio, nell’affrontare un problema matematico, il modello può prima identificare le variabili rilevanti, quindi costruire equazioni basate sulle informazioni fornite e infine risolvere tali equazioni per arrivare alla soluzione. Questa strategia non soltanto riduce al minimo gli errori, ma rende anche il processo di ragionamento più trasparente e più facile da seguire, migliorando così la qualità dell’output del modello di fondazione.

Il ragionamento basato su modello non è necessario per tutte le attività e comporta costi aggiuntivi, tra cui una latenza e un numero di token di output maggiori. Le attività semplici che non richiedono spiegazioni aggiuntive non sono buone candidate per il ragionamento a catena di pensiero.

Si noti che non tutti i modelli consentono di configurare il numero di token di output allocati per il ragionamento basato su modello.

Per vedere quali modelli supportano il ragionamento, consulta la sezione [dedicata ai modelli in sintesi](model-cards.md) e scegli il modello che ti interessa.