Autor: admin

Resumen: Los grandes modelos de razonamiento (LRM) destacan en tareas de razonamiento complejas mediante la generación de cadenas de pensamiento extendidas, pero su dependencia de largos pasos intermedios genera un costo computacional sustancial.

Resumen: Los agentes basados ​​en modelos de lenguaje grande (LLM) exhiben sólidas capacidades de razonamiento paso a paso en horizontes cortos, pero a menudo no logran mantener un comportamiento coherente en horizontes de planificación largos.

Resumen:Presentamos un estudio de caso sobre el descubrimiento matemático semiautónomo, utilizando Gemini para evaluar sistemáticamente 700 conjeturas etiquetadas como “Abiertas” en la base de datos Erdős Problems de Bloom.