Investigadores proponen un sistema que mantiene un modelo de lenguaje congelado de 12.000 millones de parámetros y construye junto a él una memoria persistente de soluciones verificadas. En lugar de reentrenar el modelo, cada nueva instancia de una familia de problemas ya resuelta y validada por un verificador externo independiente se responde con cero tokens de generación, de forma bit-exact y determinista. En pruebas con 180 instancias nuevas distribuidas en nueve familias de problemas y cuatro arquitecturas de cuatro proveedores —densas y mixture-of-experts— los cuatro modelos obtuvieron 180/180 aciertos sin generar tokens. Un control negativo con la memoria vacía no resolvió nada, lo que atribuye la capacidad por completo al almacén externo. El mismo contrato se aplicó a razonamiento abierto, con 88/88 aceptaciones bajo verificación mecánica en los cuatro modelos y transferencia de método de razonamiento de 77/80. La selección en memoria tarda 1,4 microsegundos y la reutilización completa entre 6 y 23 ms consumiendo 36 mWh. La recuperación por similitud aproximada acertó solo el 5,7% de las veces frente a cero errores del direccionamiento exacto. Los autores sitúan la propuesta como complementaria a los modelos frontier en razonamiento bruto, y publicada con un banco de pruebas público de acceso gratuito y limitado.
Noticias agregadas con IA