Viernes 23 de octubre de 2026 ·
Un método llamado BELT reduce hasta un 51% los tokens de razonamiento de LLM sin perder precisión
Investigadores presentan BELT, que separa la predicción de respuestas correctas del control de cuándo parar el razonamiento. Entrena una sonda lineal sobre los estados ocultos de un LLM congelado, sin reentrenar el modelo. Con esto reduce los tokens generados un 41% en Qwen3-1.7B y un 51% en OLMo-3-7B-Think en cinco benchmarks matemáticos fuera de distribución, y el método transfiere a código y tareas agénticas. Su sonda tiene 21,2 veces menos parámetros que OS-Pruner y requiere 55 veces menos horas de GPU de entrenamiento.
Qué significa
Los modelos de razonamiento podrían dejar de dar vueltas una vez que ya tienen la respuesta, lo que reduce el coste de computación de cada consulta. El efecto práctico depende de que estas técnicas acaben integradas en los sistemas que usa el público y las empresas.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.AILeer la noticia completa en arXiv cs.AI
También ese día
Todas las noticias de IA del viernes 23 de octubre de 2026 ->