Google: el razonamiento ayuda a los modelos de lenguaje a recordar hechos mediante un búfer y un priming

Google Research investigó por qué el razonamiento ayuda a los LLM a recordar hechos simples cuando no se necesitan pasos complejos. Encontraron dos mecanismos: un búfer computacional donde tokens extra sin significado proporcionan más procesamiento, y un priming factual donde generar hechos relacionados prepara el recuerdo correcto. Los experimentos utilizaron Gemini-2.5 (Flash y Pro) y Qwen3-32B en los conjuntos de datos SimpleQA Verified y EntityQuestions. El efecto del búfer mejoró el recuerdo, pero con rendimientos decrecientes, mientras que las trazas de razonamiento natural que a menudo sacaban a la luz hechos relacionados ofrecían el mejor rendimiento. Los hechos intermedios alucinados redujeron la precisión. Una estrategia de selección en tiempo de prueba que mantiene trayectorias libres de alucinaciones mejoró los resultados.