Chain of Mindset: Adaptive Denkmodi für KI-Logik

In der neuesten Veröffentlichung auf arXiv (2602.10063v1) wird ein innovatives Konzept vorgestellt, das die Art und Weise, wie KI‑Modelle Probleme lösen, grundlegend verändert. Der Ansatz, „Kette des Denkens“ (CoM), erkennt an, dass menschliches Problemlösen nicht von einem einzigen Denkmodus ausgeht, sondern mehrere unterschiedliche kognitive Stile in einem Prozess kombiniert. Im Gegensatz zu herkömmlichen großen Sprachmodellen, die bei jedem Rechenschritt denselben festen Modus anwenden, orchestriert CoM die Denkmodi dynamisch und an die jeweiligen Phasen eines Problems an.

CoM teilt die Logik in vier funktional heterogene Denkmodi auf: Spatial (räumlich), Convergent (konvergent), Divergent (divergent) und Algorithmic (algorithmisch). Ein Meta‑Agent wählt in jedem Schritt den optimalen Modus basierend auf dem aktuellen Rechenstatus aus, während ein bidirektionaler Kontext‑Tor die Informationsflüsse zwischen den Modulen filtert, um Effizienz und Wirksamkeit zu gewährleisten. Durch diese adaptive Moduswahl können KI‑Modelle komplexe Aufgaben in Bereichen wie Mathematik, Code‑Generierung, wissenschaftliche Fragen und räumliches Denken besser bewältigen.

Experimentelle Ergebnisse auf sechs anspruchsvollen Benchmarks zeigen, dass CoM die bisher beste Leistung erzielt. Auf den Modellen Qwen3‑VL‑32B‑Instruct und Gemini‑2.0‑Flash übertrifft CoM die stärksten Baselines um 4,96 % bzw. 4,72 % in der Gesamtgenauigkeit, während gleichzeitig die Recheneffizienz erhalten bleibt. Der gesamte Code ist öffentlich zugänglich unter https://github.com/QuantaAlpha/chain-of-mindset.