Making Large Language Models More Flexible to Changing Contingencies through Tracking Induction

Estudio experimental que examinó si las inducciones de rastreo (tracking) pueden reducir la insensibilidad a las contingencias basada en reglas en seis LLMs de frontera: GPT 5.2, Gemini 3 Flash, Grok 4.1 Fast, DeepSeek V3.2, Qwen3 235B y Kimi K2. En un diseño factorial 3×3 (Regla: sin regla, correcta, incorrecta × Inducción: ninguna, rastreo directo, rastreo metafórico) con 2.160 sesiones, los modelos jugaron una tarea de piedra-papel-tijera cuyas contingencias se invertían sin aviso en el ensayo 41. Replicando hallazgos previos, la regla produjo insensibilidad en los seis modelos, casi total en GPT 5.2, Grok y DeepSeek (índice de sensibilidad entre .03 y .10). Las inducciones redujeron esta insensibilidad cuando había reglas, con efectos mínimos en su ausencia. El rastreo directo, dos frases añadidas al system prompt, fue eficaz en todos los modelos. El rastreo metafórico (explorador, investigador y programador) fue más variable: superior en Gemini, ineficaz en Grok y perjudicial en Kimi K2. Primera evidencia de que el prompting basado en rastreo modula la rigidez de los LLMs.