AggLM: Desbloqueando la inteligencia superior de los LLMs con agregación de soluciones

Descubre AggLM, una innovadora metodología que revoluciona cómo los Grandes Modelos de Lenguaje (LLMs) abordan problemas complejos. A diferencia de los métodos tradicionales de voto por mayoría, AggLM aprende a revisar, reconciliar y sintetizar una respuesta final correcta a partir de múltiples soluciones candidatas generadas por un LLM, utilizando aprendizaje por refuerzo a partir de recompensas verificables. Este enfoque le permite no solo superar a las líneas base más fuertes, sino también identificar y recuperar soluciones correctas que podrían ser minoritarias, mejorando drásticamente la precisión en tareas de razonamiento difíciles como las matemáticas. Además, AggLM es más eficiente en el uso de tokens que la generación de un mayor número de soluciones para el voto por mayoría, ofreciendo mayor precisión con menores costos de inferencia. Con AggLM, la agregación se convierte en una habilidad de razonamiento aprendida, lo que permite a los LLMs alcanzar un rendimiento superior y una generalización robusta incluso con modelos más potentes o diferentes.https://arxiv.org/pdf/2509.06870