La Torre de Hanoi, un trencaclosques clàssic de moure discs entre tres pals, s'ha convertit en un banc de proves habitual per discutir si els grans models de raonament pensen de debò o només reprodueixen patrons apresos: treballs anteriors ja havien mostrat que aquests models resolen bé la versió estàndard del joc, però ensopeguen amb la variant "pla a pla", en què els discos no comencen ni acaben tots en el mateix pal.
Devin Pereira i Willem Zuidema van publicar el 7 d'agost el preprint «Transformers Struggle to Use Their Emergent World Models: Revisiting the Tower of Hanoi, and the Illusion of Thinking» a arXiv. Amb tècniques d'interpretabilitat, els autors mostren que transformers petits entrenats des de zero per resoldre el trencaclosques desenvolupen de manera espontània una representació interna -lineal i geomètricament fidel a l'espai d'estats del joc, amb la forma d'un triangle de Sierpinski- que intervé causalment en la manera com resolen les partides. En models grans de raonament ja existents, com Qwen3.6-27B i DeepSeek-R1-Distill-Qwen-32B, els investigadors troben que aquest "model del món" també hi és, i és gairebé perfecte al principi del raonament, però es va deteriorant a mesura que el model encadena passos, i és aquesta degradació -no l'absència del mapa mental- la que explica per què els models fallen en trencaclosques amb més de tres anelles. Quan els investigadors reinjecten la representació inicial durant el procés de raonament, el rendiment es recupera parcialment.
La notícia és rellevant perquè aporta una resposta matisada a un debat que sol quedar-se en blanc o negre -si els models "pensen" o no-: aquí no hi ha absència de representació interna, sinó una representació que existeix, és fidel, però es degrada amb l'ús, cosa que obre una via concreta -la reinjecció de representacions- per intentar millorar la fiabilitat del raonament sense canviar l'arquitectura del model.
És un preprint encara no revisat per parells, i l'estudi es limita a un sol trencaclosques i a dos models grans concrets, sense que quedi clar si la mateixa dinàmica de degradació es repeteix en altres tasques de raonament multi-pas o en altres famílies de models. Els autors tampoc detallen quant costa computacionalment, ni com s'automatitzaria en la pràctica, la tècnica de reinjecció de representacions que proposen com a pedaç parcial.