本記事では、スロースティンキング大規模言語モデル（LLM）を用いた認知テーブル推論STaRについて論じています。テーブル推論は、構造化データを理解・分析するための知能システム構築において重要なアプローチですが、従来のモデルは人間の認知に見られる深い推論過程や反復的な改善が欠けていること、さらには推論の不安定性が問題とされています。STaRは、段階的思考と不確実性を考慮した推論をモデル化する新しいフレームワークで、2段階の難易度を考慮した強化学習を用いて、簡単なクエリから複雑なものへと学習を進めます。推論時には、信頼性の高い推論経路を選択するために不確実性の定量化を行います。実験結果では、STaRは優れた性能と安定した推論を実現しており、他領域のデータセットに対する強い一般化能力も示されています。