Google Research halla que el fallo factual de los LLM es de recuperación, no de conocimiento
Hecho Qué ha ocurrido
Investigadores de Google Research presentan un marco de 'perfilado de conocimiento' y el benchmark WikiProfile (2.150 hechos de Wikipedia) para distinguir si un LLM falla por no tener codificado un hecho o por no poder recuperarlo. Evaluaron 13 modelos, incluidos Gemini-3-Pro y GPT-5, generando unas 4,5 millones de respuestas. Encontraron que en modelos frontera el 95-98% de los hechos están codificados, pero fallan en recuperar directamente entre el 26-34% de ellos, y aún con razonamiento fallan un 11-12%. También reinterpretan la 'maldición de la reversión' como un problema de recuperación, no de conocimiento ausente.
Resumen generado mediante IA a partir de Google Research (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
El hallazgo sugiere que mejorar la factualidad de los LLM ya no depende tanto de escalar tamaño o datos, sino de técnicas de post-entrenamiento e inferencia que ayuden a acceder al conocimiento ya almacenado. Esto redefine dónde deben invertir esfuerzos los equipos que buscan reducir alucinaciones en sistemas de IA empresariales.
- Quién se ve afectado
- Equipos de IA, desarrolladores de LLM y empresas que dependen de la precisión factual en aplicaciones de búsqueda, asistentes y RAG.
- Qué puede cambiar
- Las estrategias para reducir errores factuales podrían orientarse más hacia prompting, chain-of-thought y técnicas de recuperación en tiempo de inferencia que hacia el simple escalado de modelos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Habrá que ver si laboratorios como OpenAI o Anthropic adoptan marcos similares de diagnóstico y si surgen nuevas técnicas de post-entrenamiento centradas específicamente en mejorar el 'recall' factual.
Recomendación Qué debería hacer una empresa
Los equipos que desarrollan sistemas basados en LLM deberían evaluar en los próximos 6-12 meses técnicas de prompting y recuperación aumentada (RAG) como mitigación prioritaria frente a errores factuales, antes de invertir en escalar modelos.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Google Research (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMRAGchain-of-thought Google ResearchOpenAI benchmark factualidad Google Research LLM WikiProfile
Forma parte de la historia Google Research: la factualidad de los LLM falla en recuperación, no en conocimiento (2 noticias, estado: cerrada).
Relacionadas
Google Research explica por qué el razonamiento mejora el recuerdo factual en LLMs
Investigadores de Google Research publicaron un estudio, a presentarse en COLM 2026, que analiza por qué activar el razonamiento (chain-of-thought) mejora la…
Por qué importaEntender estos mecanismos ayuda a diseñar mejor los prompts y arquitecturas de razonamiento para mejorar la precisión factual de los LLMs en…
Google DeepMind lanza FACTS Grounding, benchmark para evaluar precisión factual en LLMs
Google DeepMind e Google Research presentaron FACTS Grounding, un benchmark integral para medir la capacidad de los grandes modelos de lenguaje de fundamentar…
Por qué importaLa capacidad de los LLMs para generar respuestas precisas y fundamentadas es crítica para su adopción en aplicaciones empresariales de alto riesgo…
La IA se equivoca hasta en un 60% verificando hechos, según estudio de periodistas
Una verificadora de datos de WIRED examina la capacidad de los modelos de IA para verificar información. Según su análisis y estudios citados, las tasas de…
Por qué importaLa verificación de hechos es función crítica en medios y empresas que generan contenido; si los modelos de IA fallan sistemáticamente en tareas de…
Google DeepMind lanza FACTS Benchmark Suite para evaluar factualidad en LLMs
Google DeepMind y Kaggle han presentado el FACTS Benchmark Suite, un conjunto sistemático de evaluación de la factualidad en modelos de lenguaje grandes. El…
Por qué importaLa factualidad es un problema crítico en LLMs usados para entrega de información. Un benchmark sistemático y público, gestionado por una plataforma…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.