Resumen: Mientras que los grandes modelos de razonamiento (LRMS) generan un razonamiento extenso de la cadena de pensamiento, nos faltan un marco de principios para comprender cómo se estructuran estos pensamientos. En este artículo, presentamos un enfoque novedoso aplicando la teoría del episodio de Schoenfeld, un marco cognitivo clásico para la resolución de problemas matemáticos humanos, para analizar las huellas de razonamiento de los LRM. Anotamos miles de oraciones y párrafos de soluciones generadas por modelo a problemas matemáticos utilizando siete etiquetas cognitivas (por ejemplo, plan, implementar, verificar). El resultado es el primer punto de referencia disponible públicamente para el análisis de grano fino del razonamiento de la máquina, incluido un gran corpus anotado y guías de anotación detalladas. Nuestro análisis preliminar revela patrones distintos en el razonamiento LRM, como la dinámica de transición entre los estados cognitivos. Este marco proporciona una metodología teóricamente fundamentada para interpretar la cognición LRM y permite un trabajo futuro en sistemas de razonamiento más controlables y transparentes.
Publicado Originalme en export.arxiv.org El 18 de septiembre de 2025.
Ver Fuente Original
