González Galeano, Andrei AlainSánchez Tovar, Edwin Alejandro2024-12-052024-12-052024-11https://hdl.handle.net/20.500.12495/13595Actualmente, existen modelos de lenguaje integrados en sistemas que pueden superar las capacidades humanas en una variedad de pruebas. Sin embargo, ¿cómo podemos medir la coherencia de estos modelos? En este trabajo, proponemos un enfoque que utiliza la arquitectura de transformers para abordar el problema de la implicación lógica (IL), es decir, determinar qué oraciones se derivan de otras dentro de un texto. Esto se logra mediante el uso de su mecanismo de atención y predicción del siguiente token. Se encontró que, con un modelo muy simple basado en la arquitectura del transformer, es posible la identificación de la IL en problemas de conteo y probabilidad con una precisión del 60 % en una muestra de 95 ejercicios matemáticos de diversos temas. Este método podría contribuir a mejorar la precisión con la que se evalúa la coherencia de los modelos de lenguaje, proporcionando los datos necesarios para realizar un análisis detallado de sus errores y examinar la validez lógica de sus respuestas correctas.application/pdfesAttribution 4.0 InternationalAxiomas e IAImplicación lógicaIA en matemáticasAprendizaje automáticoAprendizaje profundoInteligencia artificialModelos de lenguaje510Tesis/Trabajo de grado - Monografía - PregradoAxioms and AILogical implicationAI in mathematicsMachine learningDeep learningArtificial intelligenceLanguage modelinstname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coAcceso abiertoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2