Un equipo encabezado por Qi Zhang publicó el 11 Nov 2026 un estudio que muestra que los modelos de lenguaje entrenados con imágenes y texto desarrollan un «eje visual» oculto que utilizan al razonar únicamente con texto. En el modelo Chameleon‑7B, de 7.000 millones de parámetros, desactivar ese eje redujo en 27,6 puntos porcentuales la precisión en la tarea de navegación de BIG‑Bench Hard, aunque mejoró ligeramente el rendimiento en pruebas simbólicas de lógica booleana. El efecto se observa en capas específicas y también ayuda en tareas de rotación mental y toma de perspectiva.
Por qué importa
Demuestra que el entrenamiento con visión y lenguaje puede mejorar el razonamiento espacial de la IA aunque solo procese texto, y puede orientar el diseño de futuros modelos.
