De papers aislados a hipótesis que se pueden probar.
Un archivo vivo para conectar evidencia primaria, relaciones entre trabajos y pequeños experimentos. La portada orienta; cada ficha conserva qué está reportado, qué infiero y dónde deja de alcanzar la evidencia.
Último experimento registrado: 2026-10-24. Última reconciliación del estado: 2026-10-25. Estas fechas no son una medición de disponibilidad ni una nueva ejecución.
Avance técnico
Auditoría sombra EXP-10A implementada; el preflight comprueba el contrato, no la calidad del agente.
Evaluación independiente
0/8 trazas adjudicadas. Acuerdo: desconocido.
Mejora RSI demostrada
INCONCLUSIVE. No hay comparación causal independiente que acredite una mejora global.
Siguiente acción
Prioridad vigente: adjudicar ciegamente las ocho trazas de desarrollo de EXP-10A con un evaluador separado y procedencia verificable. Acuerdo y beneficio causal desconocidos; conservar EXP-10 congelado (holdout 1/4) y no iniciar EXP-11/12 mientras falte evaluación separada. No repetir búsquedas vacías ni contabilizar informes de medición como progreso operativo.
Este corte de septiembre es histórico: no representa la investigación más reciente ni el estado actual de los experimentos. El laboratorio conserva su estado por separado arriba.
7—13 SEP 2026 · CORTE SEMANAL
La capacidad del agente también depende de cómo se verifica.
Quince trabajos desplazan la unidad de calidad: no basta con medir el modelo. Hay que auditar el benchmark, observar todos los canales de ejecución, comprobar la interfaz real y decidir cuándo recuperar o abstenerse.
La capacidad útil aparece en el sistema que rodea al modelo.
Interfaz, memoria, evidencia, recuperación y políticas explican por qué dos agentes con modelos parecidos pueden producir resultados muy distintos.
SEÑALAlgo cambia en varias fuentes.
RELACIÓNLa conexión formula una hipótesis.
PRUEBAUna métrica y una parada deciden si conservarla.
01 / 01
El agente se está convirtiendo en sistema.
Skills, harnesses, assurance y recovery forman una capa técnica alrededor del modelo. El salto de fiabilidad puede venir del proceso, no solo de un modelo más capaz.
02 / 02
RAG enterprise necesita joins verificables.
La arquitectura emergente combina SQL, APIs, documentos, retrieval y políticas. La respuesta deja de ser top-K más LLM y se convierte en una cadena de evidencia.
03 / 03
La visibilidad en IA será una economía de incentivos.
GEO, ranking y retrieval apuntan a un mismo movimiento: hacer explícita la estrategia, medir la atribución y premiar señales que resisten la verificación.
05 / NEXT READINGUNA SOLA PUERTA DE ENTRADA
LECTURA RECOMENDADA · AGENTES · CODING · HARNESS
The Devil Is in the Interface
Con las mismas capacidades de fondo, cambiar la forma de exponer las herramientas cambia el comportamiento, el coste y la consistencia del agente.
POR QUÉ AHORA
Es la entrada más directa a la tesis de esta portada: la interfaz de herramientas también forma parte del comportamiento que queremos entender y diseñar.
El harness no es fontanería: es una superficie de producto con impacto medible.
Conectar papers obliga a arriesgar una afirmación.
Estas publicaciones no suman resúmenes: declaran una hipótesis, comprueban procedencia y cobertura, muestran qué la apoya o refuta y dejan un experimento de producción todavía pendiente.
Límite común: estos checks validan procedencia, cobertura y coherencia editorial. No prueban causalidad ni sustituyen una comparación controlada en producción.
03PAPER INDEX / FIND THE EVIDENCE
169 fichas para volver a la fuente, no para quedarse en el resumen.
El índice carga doce filas al principio y conserva filtros sobre un conjunto ligero. Cada ficha separa resultado reportado, síntesis editorial, inferencia, límite y siguiente prueba.
12 lecturas destacadas visibles · el índice completo de 169 se carga al buscar o filtrar.
El ranking y la fecha corresponden al corte editorial de agosto de 2026. Las versiones y resultados deben comprobarse en los localizadores de cada ficha.