¿Las etiquetas del detector congelado concuerdan con una adjudicación ciega y separada?
Auditoría sombra de validez de medición
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
/ OPEN QUESTIONS · RESEARCH IA × COGNITION
El trabajo pendiente
tiene que poder elegirse.
Estas preguntas convierten el estado del proyecto en una cola comprensible: qué falta demostrar, qué evidencia aceptar y qué prueba desbloquea una decisión.
28 visiblesFiltro: Todas
¿Seleccionar entre candidatos generados con 25/50/75/100% de evidencia mejora finalización respaldada frente al candidato de historial completo sin degradar el harness padre?
Racing ligero de escalas de evidencia
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Registrar evidencia, próxima acción, trigger, procedencia de restricciones y evidencia de cierre reduce reintentos sin información nueva sin crear completados falsos ni acciones inseguras?
Ledger de estado de acción y reintentos sin actualización
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Un mapa público de constitución, estado, memoria, runs y blackboard reduce el coste de reorientar a un agente?
Project Cognition como índice público
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿La revisión explícita de fuente, localizador y límite evita que una síntesis parezca un resultado?
Evidencia antes de síntesis
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Una task con ownership temporal y handoff explícito reduce el trabajo perdido cuando un agente desaparece?
Leases y handoffs para continuidad
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Separar endpoint, declaración de Sites y autoridad evita claims contradictorios de disponibilidad MCP?
Readiness MCP separada por frontera
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Separar sitemap de búsqueda y superficies machine-readable evita señales de canonicalización y frescura contradictorias sin perder recuperación para agentes?
Discovery humano y de agentes sin canonicalización cruzada
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Validar cada URL del sitemap contra el worker construido evita que una familia pierda semántica, accesibilidad o discovery sin que los smoke tests lo detecten?
Contrato exhaustivo de rutas humanas
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Una puerta de contexto explícita mejora decisiones correctas sin aumentar acciones inseguras ni preguntas innecesarias frente al baseline sin puerta?
Puerta de contexto evaluable
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Un reporter estructurado que exige evidencia, localizadores y campos verificables mejora la recuperación exacta de un handoff sin introducir claims falsamente respaldados?
Handoffs ABD recuperables y respaldados
contrato: ready · evidencia: OBSERVATION · ANSWER · CONTRADICTIONAbrir prueba ↗
Actualizar snapshot, documentos afectados y registro de corrida en el mismo checkpoint.
Las páginas son una proyección del snapshot; si el JSON cambia sin actualizar documentos o si el contenido cambia sin registrar estado, aparece deriva.
contrato: ready · evidencia: OBSERVATION · SOURCE · CONTRADICTIONAbrir prueba ↗
Conservar cada criterio versionado y recoger la siguiente muestra sólo después de un cambio independiente en su población; medir Search Console, selección, template discovery, usabilidad y uso externo por separado.
Decision-ready-content-rate, contrato exhaustivo de rutas y discovery pública completan 3/3 muestras independientes; trazabilidad, cobertura MCP exact-resource y templates conservan 1/3. Indexación, selección, usabilidad y adopción externas siguen unknown.
contrato: ready · evidencia: OBSERVATION · SOURCE · CONTRADICTIONAbrir prueba ↗
Aplicar TTL, deduplicación y un filtro de valor antes de añadir una nueva entrada.
El snapshot debe conservar decisiones y siguientes acciones, no una transcripción completa de conversaciones o actividad sin consecuencia.
contrato: ready · evidencia: OBSERVATION · SOURCE · CONTRADICTIONAbrir prueba ↗
Mantener las escrituras externas en annotation, proposal y handoff; exigir autenticación para leases, revisión y canonización.
El protocolo puede registrar continuidad pública, pero todavía no prueba criptográficamente que un caller sea el agente que declara ser.
contrato: ready · evidencia: OBSERVATION · SOURCE · CONTRADICTIONAbrir prueba ↗
¿Qué parte de la fiabilidad viene del orden del proceso y qué parte de la capacidad del modelo?
Cuando un agente busca, abre la evidencia, recupera el contexto útil y solo después responde, el harness puede reducir errores de procedimiento sin convertir una síntesis plausible en una afirmación verificada.
contrato: ready · evidencia: SOURCE · CONTRADICTION · ANSWERAbrir prueba ↗
¿Podemos detectar fallos de agente antes midiendo juntas interfaz, memoria y proactividad?
Un modelo aislado no describe la fiabilidad de un agente que opera herramientas: la interfaz que recibe, la memoria que conserva y el mundo que cambia forman una unidad de evaluación.
contrato: ready · evidencia: SOURCE · CONTRADICTION · ANSWERAbrir prueba ↗
¿Qué controles deben ser deterministas y externos al razonamiento del agente?
Un agente empresarial necesita evaluar permisos, obligaciones, minimización y contexto justo antes de transferir datos o ejecutar una herramienta; pedirle al modelo que recuerde todas esas reglas no basta.
contrato: ready · evidencia: SOURCE · CONTRADICTION · ANSWERAbrir prueba ↗
¿Puede una skill convertirse en un activo evolutivo sin volverse una caja negra peligrosa?
La reutilización de skills no debería medirse por cuántos archivos produce un agente, sino por si el contrato, las pruebas, las reglas acumuladas y el rollback permiten transferir una mejora sin transportar un fallo.
contrato: ready · evidencia: SOURCE · CONTRADICTION · ANSWERAbrir prueba ↗
¿Podemos refutar la idea de que escalar el modelo basta para hacer fiable un workflow real?
La hipótesis ingenua es que un modelo más capaz resolverá de forma automática tareas largas y situadas. El corpus la contradice: interfaz, observación temporal, routing, evidencia y recuperación siguen siendo cuellos de botella.
contrato: ready · evidencia: SOURCE · CONTRADICTION · ANSWERAbrir prueba ↗
¿La abstención correcta reduce más riesgo que una respuesta de baja confianza?
Un sistema útil explicita cuándo no tiene fuente, no puede responder o necesita una decisión humana antes de continuar.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Cuándo un join de entidades aporta más que añadir otra capa de embeddings?
Documentos, entidades y tablas pueden crear un vecindario de evidencia en tiempo de consulta sin depender de un grafo global inmóvil.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Qué taxonomía mínima de fallos permite elegir una recuperación mejor que reintentar?
Diagnosticar el modo de fallo antes de elegir una recuperación reduce reintentos ciegos y presupuesto desperdiciado.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Qué evidencia del repositorio reduce más los pasos y el coste sin perder corrección?
El trabajo de código se desplaza de completar fragmentos a navegar repositorios, decidir cambios, verificar y medir el resultado.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Qué métrica separa una trayectoria que acierta de una decisión que se puede confiar?
La unidad de calidad ya no es sólo el modelo: incluye harness, fuentes, políticas, recuperación, coste y capacidad de abstenerse.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Qué política de recuperación conserva utilidad sin arrastrar contexto irrelevante?
La memoria deja de ser un almacén: decide qué conservar, cuándo recuperar y qué evidencia puede modificar una respuesta.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Qué parte de una política debe interpretar el modelo y qué parte debe ejecutar un validador determinista?
Permisos, consentimiento, restricciones y objetivos se vuelven una superficie que el agente debe interpretar y el sistema debe validar.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗
¿Cuántos errores desaparecen si el agente debe demostrar que leyó antes de razonar?
Leer, recuperar y verificar una evidencia antes de razonar evita que el agente construya una trayectoria sobre una premisa ausente.
contrato: ready · evidencia: SOURCE · ANSWER · CONTRADICTIONAbrir prueba ↗