Small Reasoning Models are Instruction Followers in Function Calling
Este artículo presenta la Llamada a Funciones con Seguimiento de Instrucciones (IFFC, por sus siglas en inglés), un marco que delega la lógica de llamada a funciones a un modelo más pequeño que sigue instrucciones para lograr una precisión y robustez superiores bajo cuantización en comparación con los enfoques nativos o basados en prompts, particularmente para los LLM orientados al razonamiento.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En el mundo de la inteligencia artificial, que evoluciona rápidamente, se está produciendo un cambio de computadoras que simplemente generan texto a sistemas capaces de realizar acciones. Estos nuevos sistemas, a menudo llamados modelos "agénticos", están diseñados para resolver problemas contactando con el mundo exterior. Lo hacen seleccionando herramientas, como aplicaciones del clima o calculadoras, y utilizándolas para reunir información antes de responder a una pregunta. Durante mucho tiempo, los modelos informáticos más potentes y costosos fueron los únicos en los que se confiaba para realizar estas tareas. Fueron construidos con un lenguaje interno específico y rígido para hablar con estas herramientas, un método conocido como llamada a funciones nativa. Sin embargo, a medida que la tecnología ha madurado, los investigadores han comenzado a buscar modelos informáticos mucho más pequeños y eficientes. Estos modelos compactos son más fáciles de ejecutar en dispositivos cotidianos como teléfonos inteligentes o computadoras portátiles, ofreciendo mejor privacidad y costos más bajos, pero históricamente han tenido dificultades con las reglas estrictas y complejas requeridas para usar herramientas externas correctamente.
Un equipo de investigadores de universidades de Irán ha desafiado la suposición de que estos modelos más pequeños deben seguir las mismas reglas rígidas que los gigantes para tener éxito. En su trabajo reciente, descubrieron que los modelos pequeños en realidad funcionan mucho mejor cuando se les pide que usen herramientas a través de una conversación simple, en lugar de a través de una estructura de comando técnica especializada. Descubrieron que cuando un modelo pequeño es tratado como un asistente servicial que sigue un conjunto claro de instrucciones en lenguaje sencillo, comete muchos menos errores que cuando se le obliga a hablar un código de máquina específico. Este conocimiento los llevó a crear un nuevo sistema que divide el trabajo entre dos modelos diferentes. Un modelo pequeño y rápido actúa como un tomador de decisiones, escuchando al usuario y determinando si se necesita una herramienta. Si se requiere una herramienta, este modelo pequeño gestiona la solicitud utilizando instrucciones de lenguaje natural. El modelo principal, más grande, toma esa información y formula la respuesta final para el usuario.
Los investigadores probaron este enfoque utilizando una variedad de modelos pequeños, algunos con tan solo mil millones de parámetros, que es una medida del tamaño y la complejidad del modelo. Compararon su nuevo método contra las formas estándar en las que estos modelos suelen ser enseñados para usar herramientas. Los resultados fueron sorprendentes. El nuevo sistema, al que llamaron Llamada a Funciones Seguida por Instrucciones (Instruction-Followed Function Calling), permitió que modelos compactos más grandes, como el Qwen-3 de 4 mil millones de parámetros, superaran a bases de referencia propietarias masivas como GPT-5.2 y Claude 4.5 Sonnet, que suelen ser consideradas el estándar de oro. Por ejemplo, el modelo Qwen-3 4B usando su nuevo método alcanzó una precisión del 94.1% en un subconjunto de evaluación No-Live de una prueba difícil de uso de herramientas, superando significativamente el rendimiento del mismo modelo usando métodos tradicionales. Aunque los modelos más pequeños probados (0.6B) todavía se quedaron atrás de los gigantes propietarios muy grandes en ciertas categorías, el marco demostró que los modelos pequeños especializados y capaces de razonar podían igualar o exceder el rendimiento de los sistemas masivos cuando se eliminaba la carga arquitectónica de las definiciones de herramientas rígidas.
Una parte clave de su descubrimiento fue comprender cómo piensan estos modelos. Los investigadores encontraron que los modelos diseñados para "pensar" a través de un problema antes de responder eran mucho más confiables que aquellos que solo generan una respuesta inmediata. Cuando estos modelos de razonamiento recibieron la tarea de decidir qué herramienta usar, pudieron corregir sus propios errores y seguir instrucciones complejas con alta precisión. Esto fue particularmente cierto cuando los modelos fueron comprimidos para ejecutarse en dispositivos más pequeños. Usualmente, hacer un modelo más pequeño o ejecutarlo en hardware menos potente causa que su rendimiento caiga drásticamente. Sin embargo, los investigadores encontraron que su nuevo método era increíblemente robusto. Incluso cuando los modelos fueron reducidos para usar muy poca memoria, los que usaban el método de instrucción de lenguaje natural mantuvieron su alta precisión. Esto sugiere que la capacidad de razonar y seguir una conversación es una base más estable para el uso de herramientas que memorizar un formato técnico rígido.
El estudio también destacó una falla en la forma en que muchos sistemas son construidos actualmente. A menudo, se le pide a un solo modelo grande que haga todo: entender al usuario, decidir qué herramienta usar y escribir la respuesta final. Los investigadores mostraron que este enfoque a menudo confunde al modelo, ya que los detalles complejos de las herramientas se mezclan con la conversación. Al separar las tareas, su nuevo sistema mantiene la conversación limpia. El modelo pequeño se encarga del trabajo pesado de determinar qué herramienta usar, y el modelo principal se enfoca únicamente en hablar con el usuario. Esta separación evita que el sistema se sienta abrumado por demasiada información a la vez. Los investigadores demostraron que este método funciona bien incluso en escenarios del mundo real donde la velocidad y la privacidad son críticas, como en el tablero de un automóvil o un asistente del hogar, donde enviar datos a un servidor distante no es una opción.
En última instancia, este trabajo sugiere un nuevo camino hacia adelante para la inteligencia artificial en los dispositivos cotidianos. Muestra que no necesitamos depender de computadoras masivas y ávidas de energía para realizar tareas complejas. En cambio, al cambiar la forma en que pedimos a los modelos más pequeños que trabajen —tratándolos como asistentes inteligentes que siguen instrucciones en lugar de máquinas que ejecutan código— podemos lograr resultados que son tanto altamente precisos como eficientes. Los hallazgos indican que el futuro de la inteligencia artificial personal, privada y receptiva puede no residir en construir modelos más grandes, sino en formas más inteligentes de usar los modelos más pequeños que ya tenemos.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.