Un estudio reciente publicado en arXiv demuestra que el entrenamiento de modelos de lenguaje grandes (LLM) con datos de plegamiento de proteínas puede mejorar significativamente sus capacidades de razonamiento general. Los autores argumentan que los LLM actuales dependen excesivamente de textos humanos que a menudo contienen solo respuestas superficiales, careciendo de la lógica espacial y estructural subyacente. El plegamiento de proteínas ofrece un entorno de prueba ideal porque una estructura resuelta permite generar miles de afirmaciones espaciales y topológicas verificables con precisión.
Para abordar esto, los investigadores desarrollaron FoldingCorpus, un conjunto de datos de preguntas y respuestas derivado de proteínas, y Fold2Reason, una receta de post-entrenamiento. Este método utiliza dos señales complementarias: respuestas estructurales discretas predichas mediante la cabeza de lenguaje nativa del modelo y geometría 3D continua decodificada a partir de las mismas representaciones compartidas. En la prueba FoldBench, Fold2Reason logró puntuaciones de predicción de estructura entre 2,7 y 3,5 veces superiores a las de Qwen3.5-9B.
Más allá de la predicción estructural, el enfoque mejoró el rendimiento en todos los 10 benchmarks que abarcan razonamiento espacial, gráfico, científico y general. La precisión macromedia aumentó del 45,09% al 48,33%, una mejora de 3,23 puntos porcentuales, con ganancias positivas en todos los casos. Los controles basados en estructuras aleatorias, sintéticas o desordenadas mostraron ganancias sustancialmente menores o negativas. Estos resultados indican que los datos científicos no lingüísticos y densos en estructura pueden mejorar sistemáticamente el razonamiento amplio en los modelos de lenguaje, convirtiendo un problema científico resuelto en una fuente práctica de supervisión de post-entrenamiento.
