Organized by BA-Logic/GIFT - IIF-SADAF-CONICET
November, 06, 2026
Buenos Aires, Argentina
SPEAKERS
Tomás Balmaceda (IIF SADAF CONICET/UdeSA)
Bruno Da Ré (IIF-SADAF-CONICET, UBA)
Maira de Cinque (University of Canada West)
Karina Pedace (UBA/UNLaM/IIF SADAF CONICET)
Diana Pérez (IIF SADAF CONICET /UBA)
Tobías J. Schleider (UNMDP - UNS)
Joaquín S. Toranzo Calderón (IIF-SADAF-CONICET, FFYL-UBA, FRBA-UTN)
PROGRAM
(GMT-03, Buenos Aires Local Time)
14:00 - 14:50: Large Language Models, Logical Necessity, and Inference - Maira de Cinque (University of Canada West)
15:00 - 15:50: Problemas de la evaluación de relaciones de consecuencia en modelos de lenguaje - Joaquín S. Toranzo Calderón (IIF-SADAF-CONICET /FFYL-UBA / FRBA-UTN)
16:00 - 16:50: LLMs y razonamiento transitivo: hacia un benchmark de habilidades inferenciales y metainferenciales - Bruno Da Ré (IIF SADAF CONICET /UBA)
17:00 - 17:30: Café
17:30 - 18:20: ¿Es posible un LLM Latinoamericano? Acerca del proyecto Latam-GPT - Karina Pedace (UBA/UNLaM/IIF SADAF CONICET), Diana Pérez (IIF SADAF CONICET /UBA) & Tomás Balmaceda (IIF SADAF CONICET/UdeSA)
18:30 to 19:20: Decisiones algorítmicas y alucinaciones racionales - Tobías J. Schleider (UNMDP - UNS)
ABSTRACTS
Karina Pedace, Diana Pérez & Tomás Balmaceda: "¿Es posible un LLM Latinoamericano? Acerca del proyecto Latam-GPT"
El desarrollo de Latam-GPT constituye una iniciativa regional que busca disputar la dependencia tecnológica de América Latina respecto de los sistemas de inteligencia artificial desarrollados principalmente en el Norte Global. Sin embargo, la posibilidad de un LLM genuinamente latinoamericano no puede reducirse a una cuestión de procedencia geográfica, disponibilidad de datos o capacidad computacional. LatamGPT no tiene sentido si simplemente va a reemplazar la hegemonía del inglés por la hegemonía del español, un LLM latinoamericano no debería limitarse a hablar nuestras lenguas: también debería enfrentar el desafío de representar adecuadamente los diferentes mundos que se expresan a través de ellas. Tampoco tiene sentido este proyecto si reproduce las lógicas extractivistas de los LLM hegemónicos. La pregunta que planteamos entonces es en qué medida es posible un LatamGPT bajos estos supuestos.
Maira de Cinque: " Large Language Models, Logical Necessity, and Inference"
This presentation examines the relationship between logical necessity, inference, and normativity in light of the emergence of large language models (LLMs). Drawing on Wittgenstein’s Remarks on the Foundations of Mathematics, I question whether logical necessity derives from underlying structures of thought or emerges through practices of training, habituation, and rule-following. As LLMs can produce logically appropriate conclusions without necessarily arriving at them through the explicit application of deductive rules, they invite a reconsideration of the relationship between inferential correctness and rule-following. I further argue that, as LLMs become integrated into everyday linguistic practices, they not only reproduce established norms but also participate in shaping the criteria through which inferences are recognized and evaluated. The presentation thus explores how logical necessity acquires its normative force and how artificial intelligence may transform the practices through which that necessity is experienced.
Bruno Da Ré: "LLMs y razonamiento transitivo: hacia un benchmark de habilidades inferenciales y metainferenciales"
¿En qué medida los grandes modelos de lenguaje (LLMs) poseen habilidades genuinas de razonamiento transitivo? Este trabajo propone desarrollar un benchmark destinado a evaluar la capacidad de los LLMs para reconocer y distinguir formas válidas e inválidas de transitividad, tanto en el nivel inferencial como en el metainferencial. La hipótesis central sostiene que la validez de ciertas formas de razonamiento transitivo puede depender parcialmente del contenido de las expresiones del lenguaje natural, especialmente cuando intervienen términos vagos y operadores modales. El proyecto contempla la generación algorítmica de conjuntos extensos y controlados de oraciones, variando su contenido, estructura, complejidad y formulación lingüística. Se examinan diferentes patrones, incluyendo el silogismo hipotético, la regla de corte y sus variantes con contextos y premisas auxiliares. Asimismo, se consideran distintas estrategias de evaluación, como zero-shot, one-shot y chain-of-thought, aplicadas comparativamente a diversas familias de modelos. Un problema metodológico fundamental consiste en determinar cómo representar adecuadamente las metainferencias en lenguaje natural sin reducirlas a inferencias ordinarias. Finalmente, el trabajo aborda cuestiones filosóficas acerca de los criterios para atribuir capacidades inferenciales a los LLMs, la relación entre corrección y razonamiento efectivo, y la distinción entre enfoques descriptivos y normativos de evaluación.
Joaquín S. Toranzo Calderón: "Problemas de la evaluación de relaciones de consecuencia en modelos de lenguaje"
En la comunidad que se dedica al procesamiento de lenguaje natural (PLN) existe cierto consenso respecto de que para demostrar que un modelo de lenguaje es competente lingüísticamente, debe ser capaz de caracterizar correctamente inferencias en lenguaje natural. Para evaluar esta capacidad, en los últimos años se diseñaron bancos de pruebas estandarizados, o benchmarks, en los que el modelo o agente evaluado debe tomar un conjunto de oraciones, denominadas "premisas" o "contexto", y una oración adicional, denominada "conclusión" o "hipótesis", y asignar la relación inferencial pretendida mediante una etiqueta. En su definición original, la tarea requiere que a un par <contexto, hipótesis> se le asigne la etiqueta "implicación" si la hipótesis es consecuencia del contexto, "contradicción" si contexto e hipótesis son incompatibles, y "neutralidad" en todo otro caso. Los benchmarks para esta tarea resultaron ser insuficientes para los modelos más modernos, y quienes los diseñaron, en el afán de construir benchmarks más desafiantes, apelaron a estrategias donde personas voluntarias construían pares <contexto, hipótesis>. Sin embargo, estas personas no suelen tener una formación relacionada con el área de PLN, y generan instancias de la tarea a partir de instrucciones que intentan evitar términos técnicos. En este trabajo buscamos mostrar cómo las instrucciones dadas afectan el diseño de un benchmark al involucrar distintas nociones de consecuencia, dificultando la evaluación de un modelo de lenguaje en relación a sus capacidades inferenciales.
Tobías J. Schleider: "Decisiones algorítmicas y alucinaciones racionales"
Las alucinaciones de los modelos de lenguaje son afirmaciones falsas que, por su forma, no se distinguen de las verdaderas. Kalai et al. (2026) explican su persistencia por la manera en que se entrena a los modelos: la mayoría de las evaluaciones con que se los ajusta puntúa igual el error y el “no sé”, y por eso a los modelos les conviene arriesgar. El remedio que proponen, una métrica que penalice el error y no el “no sé”, supone que la salida sin riesgo es decir “no sé” y que esa salida muestra además el límite de lo que el modelo sabe. Un juez no puede decir “no sé”: debe resolver siempre. Además, debe justificar sus decisiones en normas preexistentes. En los casos en que ninguna norma preexistente resuelve, el juez, impedido de abstenerse de decidir, debe crear una norma nueva para fundar su decisión. Esta creación de normas, que podría leerse como un problema grave, no impide sin embargo el funcionamiento de la práctica jurídica. Esto ha sido explicado de maneras diversas. La que aquí interesa se basa en la idea de que el derecho admite, en algunos casos, la creación de normas por parte de los jueces mediante métodos que el propio derecho autoriza, y en que el deber de fundar suele tenerse por cumplido si la sentencia se apoya en una norma general y en un argumento que conecte esa norma con el caso. No se le exige declarar si la norma existía o se creó al resolver. Si un modelo dictara sentencias, la métrica propuesta por Kalai et al. no penalizaría la sentencia que calla el origen de la norma, que no afirma nada falso sobre ese origen. La declaración de que la norma es nueva podría resultar falsa y, si fuera verdadera, no sumaría. Mientras la evaluación no pregunte por el origen de la norma, el remedio propuesto como salvaguarda contra las alucinaciones no da ninguna razón para preferir la sentencia que declara que la norma es nueva. Un modelo entrenado con ese remedio puede aprender que, si crea normas, le conviene callarlo.
ORGANIZERS
Eduardo Barrio (IIF (CONICET-SADAF) & UBA)
Diana Perez (IIF (CONICET-SADAF) & UBA)
SPONSORS
We are thankful for the support provided by CONICET (Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina).