Ein neues KI-Modell, das in der Arbeit "Thinking Without Words" vorgestellt wird, führt Abstract-CoT ein, eine Methode, die 64 einzigartige abstrakte Symbole verwendet, um die Effizienz bei der Lösung mathematischer Probleme zu verbessern. Diese Symbole, die mit keiner menschlichen Sprache verbunden sind, ermöglichen es dem Modell, vor der Antwortfindung eine vorläufige Argumentation durchzuführen, wodurch die für die Argumentation auf dem MATH-500-Benchmark benötigte Token-Anzahl um bis zu das 11,6-fache reduziert wird, ohne die Genauigkeit zu beeinträchtigen. Der Ansatz verbessert auch die Leistung bei AlpacaEval-Tests und ist bei mehreren Modellfamilien wirksam, darunter Qwen3-8B, Qwen3-4B und IBM Granite 4.0 Micro. Die Symbole entwickelten Nutzungsmuster, die der natürlichen Sprache ähneln, mit häufiger Wiederverwendung einiger weniger Symbole, was auf eine strukturierte Argumentation statt auf zufällige Ausgaben hinweist.