推測・思考・答え（GTA）は、2025年9月にvivo AI Labアルゴリズムチームによって提案され、関連する研究成果は論文「GTA: 大規模言語モデルを用いたテキスト分類のための教師あり強化学習”。

GTAフレームワークは、まずモデルに初期推定値（クロスエントロピー損失によって最適化）を生成させ、次にこの推定値に基づいて最終的な答えを生成するという仕組みです。同時に、強化学習（RL）の報酬を用いて最終的な出力とGTA構造全体の形式を形成します。このフレームワークにより、モデルはRLを通じて効果的な推論パターンを自発的に学習できるようになり、推論チェーンの手動アノテーションの必要性が排除されます。また、統一されたトレーニングパラダイム内で、教師あり微調整（SFT）の効率性とRLの強化された機能を組み合わせます。