Qué probaría antes de escalar esta idea.
- PREGUNTA DE PRUEBA
- ¿Read-Gate mejora la respuesta y las citas sin convertir consultas sencillas en lecturas innecesarias?
- ENTRADA
- 1.000 consultas mixtas, con documentos conocidos y desconocidos, comparando Read-Gate, lectura forzada y baseline sin gate.
- MÉTRICA
- Exactitud, precisión de citas, tokens, latencia, omisiones de evidencia y falsas abstenciones.
- PARADA
- Parar si la exactitud no aumenta 5 puntos en consultas multi-hop o si las falsas abstenciones superan 10%.
Read-Gate obliga a que ocurra una lectura, no a que se lea el chunk correcto ni a que el razonamiento posterior sea válido; la garantía es procedimental, no una prueba de verdad.
Esta prueba es una propuesta editorial: no es un resultado reportado por los autores.
Lo esencial antes de invertir más tiempo.
El paper separa los fallos procedimentales previos a la evidencia de los errores posteriores de lectura y razonamiento, y evalúa Read-Gate como una invariante mínima que obliga a leer antes de finalizar.
Read-Gate mejora entre 14,9 y 19,9 puntos en las trayectorias que se habrían saltado la lectura.
Resultado con localizador exacto · 3 localizadores disponibles.Read-Gate obliga a que ocurra una lectura, no a que se lea el chunk correcto ni a que el razonamiento posterior sea válido; la garantía es procedimental, no una prueba de verdad.
Añadir una regla pequeña puede mejorar más que añadir tokens de pensamiento: la disciplina del procedimiento merece su propia métrica y su propio control.
El paper separa los fallos procedimentales previos a la evidencia de los errores posteriores de lectura y razonamiento, y evalúa Read-Gate como una invariante mínima que obliga a leer antes de finalizar.
Qué sostiene esta confianza — y qué sigue sin probarse.
Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.
- FUENTE PRIMARIA
- DOCUMENTADO
Lectura primaria completa registrada sobre v2; comprobación: 2026-08-20 · versión v2 contrastada; método, resultado y límites revisados.
- RÉPLICA LOCAL
- PENDIENTE
No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica.
- LÍMITES
- DOCUMENTADO
3 límites declarados en la ficha.
- APLICABILIDAD
- ACOTADO
Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado.
REGLA EDITORIALLos criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.
Qué está reportado y qué conviene comprobar.
Read-Gate mejora entre 14,9 y 19,9 puntos en las trayectorias que se habrían saltado la lectura.
+14,9 a +19,9 puntos · contexto: 12.000 trayectorias emparejadas en HotpotQA, 2WikiMultiHopQA y MuSiQue
Qué estudiaron y qué cambia.
La síntesis está separada de los resultados reportados y de las inferencias.Before Reasoning Can Fail identifica un error que puede parecer un fallo de razonamiento, pero sucede antes: el agente encuentra evidencia, recibe snippets o documentos y decide responder sin abrirlos. La trayectoria final parece una mala respuesta, aunque la causa sea que el harness permitió saltarse la lectura.
El paper separa los fallos de disciplina previos a la evidencia de los fallos posteriores a una lectura válida. Su intervención es Read-Gate, una invariante mínima que exige un evento de lectura antes de permitir la finalización, sin cambiar modelo, retriever, juez ni presupuesto de razonamiento.
El estudio analiza 12.000 trayectorias en HotpotQA, 2WikiMultiHopQA y MuSiQue y reporta mejoras de 14,9 a 19,9 puntos en los casos que se habrían saltado la lectura. La propia discusión aclara que el gate garantiza que se lea algo, no que se lea el chunk correcto; la mejora debe atribuirse a disciplina, no a una recuperación superior.
Esta es una pieza pequeña pero muy fértil para nuestro harness: separar buscar, leer, verificar y responder como estados observables. Más tokens de pensamiento no corrigen necesariamente una transición prohibida. La siguiente prueba es instrumentar el gate y medir si reduce respuestas sin evidencia sin aumentar lecturas irrelevantes o latencia inútil.
- PROBLEMA
- Los sistemas suelen culpar al retriever o al razonamiento cuando el harness permite la secuencia search → final answer sin exigir search → read → answer.
- MÉTODO
- Descompone trayectorias de agentic RAG en fallos de disciplina —buscar pero no leer— y fallos posteriores a una lectura válida; después evalúa Read-Gate como restricción de runtime.
- TIPO DE EVIDENCIA
- El análisis usa 12.000 trayectorias emparejadas en HotpotQA, 2WikiMultiHopQA y MuSiQue; Read-Gate mejora entre 14,9 y 19,9 puntos en las trayectorias que se habrían saltado la lectura.
- LÍMITE
- Read-Gate obliga a que ocurra una lectura, no a que se lea el chunk correcto ni a que el razonamiento posterior sea válido; la garantía es procedimental, no una prueba de verdad.
Una invariante de runtime puede evitar un salto procedimental antes del razonamiento.
Más tokens de pensamiento no reparan una transición de procedimiento que nunca ocurrió.
La ficha no incrusta una figura primaria porque su licencia o permiso específico no consta en el registro editorial. La fuente permanece enlazada para comprobarla.
Comprobar fuente primaria ↗ (sitio externo; abre en una pestaña nueva)La lectura también deja rastro.
Guarda una observación junto a la evidencia. Tú escribes aquí; los agentes pueden añadir notas por MCP y aparecerán identificados.
LECTURA AMPLIADAMetodología, implicaciones y preguntas para volver al paper.+
Descompone trayectorias de agentic RAG en fallos de disciplina —buscar pero no leer— y fallos posteriores a una lectura válida; después evalúa Read-Gate como restricción de runtime.
Añadir una regla pequeña puede mejorar más que añadir tokens de pensamiento: la disciplina del procedimiento merece su propia métrica y su propio control.
Read-Gate obliga a que ocurra una lectura, no a que se lea el chunk correcto ni a que el razonamiento posterior sea válido; la garantía es procedimental, no una prueba de verdad.
Cómo lo llevaría a un proyecto
Añadir una invariante search → read → answer al harness de investigación y registrar por separado disciplina, calidad de evidencia y calidad de respuesta.
Preguntas que conviene probar
- ¿Qué operaciones deben bloquear la finalización sin lectura?
- ¿Cómo distinguir una lectura formal de una inspección que realmente cambia la respuesta?
Si tuviera que convertirlo en una prueba mañana.
Mi lectura
La primera garantía de un agente de investigación no es que piense más: es que no pueda concluir sin mirar la evidencia.
Esta última frase es una inferencia editorial a partir del paper y de sus posibles implicaciones; no es una afirmación de los autores.
La prueba que queda en pie.
¿Read-Gate mejora la respuesta y las citas sin convertir consultas sencillas en lecturas innecesarias?