Resumen: Estudios recientes han sugerido que los modelos de lenguajes grandes (LLM) podrían proporcionar ideas interesantes que contribuyan al descubrimiento matemático. Esta afirmación fue motivada por informes de que los algoritmos genéticos basados en LLM producían heurísticas que ofrecían nuevos conocimientos sobre el problema del embalaje de contenedores en línea bajo distribuciones uniformes y de Weibull. En este trabajo, reevaluamos esta afirmación a través de un análisis detallado de las heurísticas producidas por los LLM, examinando tanto su comportamiento como su interpretabilidad. A pesar de ser legibles por humanos, estas heurísticas siguen siendo en gran medida opacas incluso para los expertos en el dominio. Sobre la base de este análisis, proponemos una nueva clase de algoritmos adaptados a estos casos específicos de embalaje de contenedores. Los algoritmos derivados son significativamente más simples, más eficientes, más interpretables y más generalizables, lo que sugiere que las instancias consideradas son en sí mismas relativamente simples. Luego discutimos las limitaciones de la afirmación sobre la contribución de los LLM a este problema, que parece basarse en la suposición errónea de que los casos habían sido estudiados previamente. En cambio, nuestros hallazgos enfatizan la necesidad de una validación y contextualización rigurosas al evaluar el valor científico de los resultados generados por el LLM.
Publicado originalmente en export.arxiv.org el 2 de noviembre de 2025.
Ver fuente original
