Más allá de TTT: Aprendizaje del razonamiento mediante control óptimo eficiente en hardware

Abstract

El artículo propone un cambio de paradigma en el razonamiento de los modelos de IA, moviéndose más allá del entrenamiento en tiempo de prueba (Test-Time Training) hacia un marco basado en Control Óptimo Eficiente por Hardware. Los autores argumentan que el razonamiento puede ser modelado como un problema de control donde el modelo busca la trayectoria óptima de estados para resolver una tarea. Introducen algoritmos que permiten al modelo adaptar su política de razonamiento dinámicamente durante la inferencia, optimizando tanto la precisión de la respuesta como la eficiencia del hardware subyacente. Este enfoque es particularmente prometedor para 'Modelos de Mundo' y sistemas de planificación robótica, donde la capacidad de predecir estados futuros y corregir la trayectoria en microsegundos es crítica. El trabajo une la teoría de control clásica con el aprendizaje profundo moderno para crear sistemas que 'piensan' de manera más estructurada y física.