Razonar y re-razonar: la revisión de múltiples perspectivas mejora el razonamiento espacial | Cómo resolver problemas de orientación y geometría con LLMs mediante inconsistencias de vista | Técnica de auto-corrección espacial para agentes inteligentes

Abstract

PROBLEMA: Los modelos de lenguaje actuales sufren de 'miopía lógica' en tareas espaciales (como navegación o geometría), donde una vez que cometen un error conceptual inicial en su cadena de pensamiento, son incapaces de corregirlo incluso con introspección simple. SOLUCIÓN: Se propone el método 'Reason, Then Re-reason' (R&R2) basado en 'Cross-view Revisiting'. Consiste en obligar al modelo a generar una representación mental del problema desde múltiples perspectivas (ej. textual, coordenadas, diagramas) y reconciliar las diferencias antes de emitir una respuesta final. METODOLOGÍA: Se implementa sobre GPT-4 y Llama-3 en benchmarks de razonamiento espacial complejo 3D y navegación por instrucciones. RESULTADOS: R&R2 incrementa la precisión en tareas de orientación en un 22%, eliminando gran parte de las alucinaciones por inconsistencia de perspectiva. RELEVANCIA: Es de alta prioridad para aplicaciones de robótica, navegación autónoma y cualquier sistema que requiera un modelo del mundo físico preciso.