Resumen: Los modelos de lenguajes grandes (LLM) se utilizan cada vez más como agentes autónomos, pero su capacidad para coordinarse en sistemas distribuidos sigue siendo poco conocida. Presentamos textbf{LoopBench}, un punto de referencia para evaluar el razonamiento LLM en ruptura de simetría distribuida y pensamiento metacognitivo. El punto de referencia se centra en colorear gráficos de ciclos impares ($C_3, C_5, C_{11}$) con colores limitados, donde los agentes deterministas y no comunicantes fallan en bucles infinitos. Se implementa un mecanismo de paso de estrategias como una forma de memoria consistente. Mostramos que mientras los LLM estándar y las heurísticas clásicas luchan, los modelos de razonamiento avanzado (por ejemplo, O3) idean estrategias para escapar de los puntos muertos. LoopBench permite el estudio de algoritmos distribuidos emergentes basados en razonamiento basado en lenguaje, ofreciendo un banco de pruebas para la inteligencia colectiva.
Publicado originalmente en export.arxiv.org el 16 de diciembre de 2025.
Ver fuente original
