aiminute. ← Todas las noticias de IA
Investigación AI Minute Newsroom 2026-08-22

Dale a un modelo la bibliografía de un artículo sin publicar y pregúntale qué dice. Los mejores aciertan el 15 por ciento de las veces.

Dale a un modelo la bibliografía de un artículo sin publicar y pregúntale qué dice. Los mejores aciertan el 15 por ciento de las veces.

Un banco de pruebas llamado Reconstruction, subido a arXiv el 17 de agosto por Qingqing Mao y colaboradores, examina algo más estrecho y más difícil que las evaluaciones habituales de razonamiento: ¿puede un modelo deducir la idea central de un artículo solo a partir de su bibliografía previa a la publicación? El artículo semilla se oculta junto con todo lo publicado en la misma fecha o después, a las referencias se les quita el título y se les asigna un identificador anónimo, y otro modelo de lenguaje juzga si la hipótesis propuesta coincide con la real. En 643 artículos de seis campos científicos, siete modelos punteros acertaron la idea oculta entre un 3 y un 15 por ciento de las veces. Los autores conectaron después esos mismos modelos en una tubería donde revisan las hipótesis unos de otros y compiten en un torneo de sistema suizo por las plazas; eso elevó el acierto hasta un 23 a 42 por ciento, unas 2,4 veces el mejor modelo individual.

Por qué importaTodo lo que un modelo hace bien en una tarea bibliográfica admite dos explicaciones: entendió el campo, o ya ha leído la respuesta. Este banco de pruebas está construido justamente para eliminar la segunda, y lo que queda es poco. Esa distancia es la diferencia entre un excelente ayudante de investigación y un investigador, y conviene tenerla presente mientras los laboratorios describen sus sistemas como científicos. Con todo, la segunda mitad del resultado es la más útil: los mismos pesos, ordenados para discutir consigo mismos, más que duplicaron la puntuación. Es la segunda vez esta semana que la cifra del titular sale del andamiaje y no del modelo.
#Agentes IA#Ciencia e Investigación

✓ Verificado · 2 fuentes

WhatsApp X Telegram
Léelo en la app — gratis, en 9 idiomas

Noticias relacionadas

OpenRouter expulsa a tres proveedores tras una prueba con cebos.
2026-11-22
Investigadores afirman haber sacado chats del agente Muse de Meta.
2026-11-22
OpenAI dice que sus nuevos modelos frenan el robo de razonamiento.
2026-11-22
La comunidad de Lean da por correcta la prueba de Riemann con IA.
2026-11-22
Un modelo abierto de IA mejoró al editar sus pesos, según un estudio.
2026-11-21