Formula-One Prompting: Equation-First Reasoning For Applied Mathematics

1. Planteamiento del Problema

Aunque los Modelos de Lenguaje Grandes (LLMs) poseen un vasto conocimiento matemático codificado durante su preentrenamiento en corpus ricos en ecuaciones (como Minerva, OpenWebMath o DeepSeek-Math), los métodos de prompting existentes tienen una limitación crítica: no elicitan explícitamente la formulación de ecuaciones como una etapa de razonamiento.

Las técnicas actuales, como el Chain-of-Thought (CoT) (razonamiento paso a paso en lenguaje natural) o el Program-of-Thought (PoT) (generación de código), saltan directamente de la descripción del problema a la solución. Esto crea una "brecha de ecuaciones" (equation gap), donde el modelo pierde la estructura formal subyacente (leyes físicas, fórmulas financieras, definiciones criptográficas) que es central para resolver problemas aplicados. Como resultado, los modelos son propensos a errores conceptuales, confusiones semánticas y fallos en la aplicación de restricciones del dominio.

2. Metodología: Formula-One Prompting (F-1)

Los autores proponen F-1, un método de prompting de una sola llamada (single-call) que introduce un enfoque de "ecuación primero". F-1 divide el proceso de resolución en dos fases secuenciales dentro de una única generación del modelo:

Fase 1: Formalización de la Ecuación

Antes de intentar resolver el problema, el modelo debe:

1. Identificar los datos y objetivos: Extraer valores explícitos, condiciones y lo que se pide demostrar o calcular.
2. Formular las ecuaciones gobernantes: Expresar las relaciones matemáticas que conectan los datos con el objetivo. Esto fuerza al modelo a entender la estructura subyacente antes de comprometerse con una estrategia de solución.

Fase 2: Razonamiento de Flujo Natural

Una vez formalizadas las ecuaciones, el modelo selecciona naturalmente la estrategia de resolución más adecuada basándose en la estructura de dichas ecuaciones, sin reglas de enrutamiento explícitas:

• Cálculo Directo: Si la ecuación es de sustitución simple.
• Chain-of-Thought (CoT): Si se requiere una derivación simbólica o un argumento lógico paso a paso.
• Program-of-Thought (PoT): Si el problema implica cálculos numéricos complejos o iterativos, el modelo genera código para ejecutar el cálculo.
• Verificación: El modelo valida la solución final contra las ecuaciones formalizadas para detectar errores.

Diferencia clave con trabajos previos: A diferencia de métodos como Formulate-and-Solve (que a menudo requieren herramientas externas o múltiples llamadas), F-1 opera en una sola llamada y permite que el flujo de razonamiento natural del modelo determine la estrategia, adaptándose dinámicamente al dominio (finanzas, física, criptografía).

3. Contribuciones Clave

1. Propuesta de F-1: Un método de prompting que utiliza ecuaciones matemáticas como una representación intermedia estructurada para guiar el razonamiento en una sola llamada.
2. Análisis por Problema: Demostración de que la formalización de ecuaciones es el componente principal del éxito. En un análisis de 1,916 problemas, F-1 corrigió 168 problemas que CoT resolvió incorrectamente (y solo 144 a la inversa), logrando un beneficio neto positivo.
3. Análisis de Estrategia: F-1 logra una precisión del 73% en la selección de la estrategia correcta (CoT, PoT o Directo) en dominios aplicados, alcanzando entre el 81% y el 84% del límite superior teórico (el mejor resultado posible por cualquier método individual).
4. Eficiencia: Mantiene la eficiencia de una sola llamada, con un sobrecosto de tokens mínimo (+68 tokens de entrada) comparado con Zero-Shot, pero con una relación eficiencia/precisión superior.

4. Resultados Experimentales

El método se evaluó en 5 modelos (incluyendo GPT-5, Gemini 2.5 Pro, DeepSeek-V3.1 y Qwen) y 4 benchmarks centrados en matemáticas aplicadas:

• OlympiadBench (Matemáticas y Física).
• FinanceMath (Finanzas aplicadas).
• AICrypto (Criptografía).
• IMO-Bench (Olimpiadas matemáticas).

Hallazgos principales:

• Rendimiento General: F-1 superó a CoT en un +5.76% y a PoT en un +8.42% en promedio. Ganó en 53 de 60 comparaciones (88.3%).
• Dominios Aplicados: Las ganancias fueron más significativas en dominios donde las ecuaciones son críticas:
  • +13.30% sobre CoT en FinanceMath.
  • +7.24% en AICrypto.
  • En OlympiadBench, las mejoras fueron mayores en física (+2.55%) que en matemáticas puras (+0.44%), validando la hipótesis de que F-1 beneficia más a problemas con restricciones de dominio explícitas.
• Adaptabilidad: El modelo selecciona automáticamente PoT para problemas de cálculo financiero (alta densidad numérica) y CoT/Híbrido para pruebas criptográficas o teoremas, sin instrucciones explícitas de enrutamiento.
• Eficiencia de Tokens: F-1 logró la mayor relación de eficiencia (Precisión/Tokens) en promedio (1.51), requiriendo un 11.7% menos de tokens que CoT para obtener respuestas correctas.

5. Significado e Impacto

El trabajo demuestra que forzar la formalización de ecuaciones antes de la resolución actúa como un mecanismo de anclaje cognitivo que reduce errores semánticos y conceptuales.

• Corrección de Errores Conceptuales: En ejemplos cualitativos, F-1 evitó confusiones comunes (como interpretar "independiente de x" como "igual a cero" en física) al definir explícitamente la estructura del problema.
• Consistencia de Formato: En finanzas, F-1 garantizó que los cálculos se realizaran en formato decimal correcto, evitando errores de salida comunes en otros métodos.
• Viabilidad Práctica: Al ser un método de una sola llamada con bajo costo computacional, F-1 es altamente escalable para sistemas de producción, ofreciendo una mejora significativa en razonamiento matemático aplicado sin la complejidad de orquestaciones multi-paso.

En conclusión, Formula-One Prompting cierra la brecha entre el conocimiento latente de las ecuaciones en los LLMs y su aplicación efectiva, estableciendo un nuevo estándar para el razonamiento matemático en dominios aplicados mediante la priorización de la estructura formal sobre la narrativa lineal.