ScientistOne Cero referencias: análisis de la cadena de evidencia

Se supone que las citas académicas son comprobantes, no cojines decorativos. Sin embargo, la investigación generada por IA ha desarrollado la encantadora costumbre de grapar comprobantes falsos a una prosa muy segura de sí misma, y así es como se obtienen artículos que parecen revisados por pares por un comité de tipografías. Por eso vale la pena detenerse en el resultado reportado de ScientistOne. Crypto Briefing dice que el nuevo marco de Google registró cero referencias alucinadas en 75 artículos evaluados, una cifra que suena como el equivalente, en citas, a una prueba antidopaje limpia. Lo importante no es que las referencias tuvieran un formato bonito. Lo importante es que el sistema fue construido para mantener la evidencia unida a las afirmaciones antes de que el manuscrito se convirtiera en un pequeño mentiroso bien pulido.

El número llama la atención, el mecanismo es lo importante

Google Research presentó el Science One Framework el 30 de julio de 2026, con Rui Meng y Tomas Pfister describiéndolo como un prototipo experimental de investigación diseñado para eliminar las alucinaciones mediante la construcción nativa de cadenas de evidencia verificables. La misma publicación de Google Research también presentó CoE Audit, un protocolo automatizado para evaluar la integridad de los artículos generados por IA. En otras palabras, el sistema no solo le está enseñando al modelo a decir por favor consulte el Apéndice A con un acento más profesoral.

AlphaSignal informa que el marco se basa en Chain-of-Evidence, que exige que cada afirmación en un artículo generado por IA pueda rastrearse hasta una fuente de evidencia fundamentada en el momento en que se produce. Ese momento importa. Si la procedencia se añade después de la generación, no estás verificando una afirmación tanto como pidiéndole al modelo que haga cosplay de bibliotecario después de haber reorganizado las estanterías con un soplador de hojas.

El dato reportado de cero referencias alucinadas en 75 artículos evaluados, citado por Crypto Briefing, se entiende mejor, por tanto, como un resultado arquitectónico. Dice menos sobre palabras mágicas y más sobre disciplina de flujo de trabajo. Los agentes de investigación necesitan el equivalente del control de versiones para las afirmaciones, donde cada frase con peso científico tenga un historial de commits.

El error de las citas falsas nunca fue solo un error de bibliografía

Google Research plantea el problema en torno a agentes autónomos que pueden realizar flujos de trabajo completos de investigación científica de principio a fin. Su publicación señala que sistemas recientes, incluidos AI-Scientist de Sakana, AutoResearchClaw, DeepScientist y AI-Researcher, pueden revisar literatura, formular hipótesis, ejecutar experimentos y escribir manuscritos completos comparables a artículos escritos por humanos. Eso es impresionante, y también es exactamente cuando empiezan a crujir las tablas del suelo.

Como lo expresa Google Research en su propio análisis, la calidad superficial de los manuscritos ha mejorado mientras que la verificabilidad se ha convertido en el problema estructural. La generación iterativa significa que los errores introducidos en una etapa pueden amplificarse más tarde, como un error tipográfico en una hoja de cálculo que crece, obtiene una plaza permanente y empieza a supervisar estudiantes de posgrado.

Algunos sistemas existentes pueden generar citas inexistentes, según la publicación de Google Research, lo cual es la versión académica de nombrar a tu amigo imaginario como coautor. Por eso el formato de las citas es la colina equivocada para morir defendiendo. Una referencia bien formada a un artículo inexistente sigue siendo ficción, solo que con cursivas. El problema de ingeniería más difícil es mantener los enlaces entre literatura, afirmaciones, experimentos, resultados y artefactos de código a medida que el agente avanza por el flujo de trabajo de investigación.

Las auditorías vencen a las corazonadas

Google Research dice que CoE Audit es un protocolo automatizado para evaluar la integridad de los artículos generados por IA. Esa es la parte que los constructores deberían subrayar dos veces, preferiblemente sin dejar que el modelo elija el color del resaltador. Una herramienta de investigación verificable necesita una forma de inspeccionar si las afirmaciones del artículo generado realmente se conectan con la evidencia, en lugar de pedir a los usuarios que confíen en la máquina de párrafos fluidos porque suena como si tuviera una chaqueta de tweed.

AlphaSignal describe el objetivo como hacer que la investigación generada por IA sea reproducible y verificable mediante Chain-of-Evidence. La lección útil no es que un marco resuelva la verdad científica para siempre, porque, por favor, todos sobrevivimos a la temporada de benchmarks. La lección útil es que la verificación tiene que formar parte del sustrato de generación: los registros de recuperación, los registros de evaluadores, las trazas de implementación y la procedencia a nivel de afirmación deben ser objetos de primera clase, no adornos de nota al pie.

Para los equipos de producto que construyen asistentes de investigación, esto cambia la lista de verificación. No pregunten solo si el modelo puede resumir artículos. Pregunten si cada afirmación del resumen puede rastrearse hasta una fuente en el momento de su creación, si las afirmaciones numéricas tienen respaldo de evaluación y si una auditoría posterior puede hacer fallar la salida antes de que un humano pierda una tarde depurando una pista de citas alucinadas.

Qué deberían observar después los constructores

La cobertura de KuCoin presenta ScientistOne como una respuesta al problema de credibilidad en la investigación generada por IA, donde los sistemas pueden producir artículos académicos de forma autónoma pero todavía tienen dificultades con la confianza. Ese encuadre es útil porque el mercado de herramientas científicas no lo ganará quien produzca el PDF más seguro de sí mismo. Lo ganarán las herramientas que hagan que la incertidumbre sea inspeccionable y que la evidencia sea barata de verificar.

Lo siguiente que hay que observar es si otros sistemas autónomos de investigación adoptan mecanismos comparables de cadena de evidencia y publican evaluaciones que vayan más allá de manuscritos bonitos. Para quienes están construyendo escritura con IA, RAG, flujos de trabajo agénticos o herramientas de laboratorio, la lección es agradablemente directa: la procedencia es una función de producto, no confeti de cumplimiento. La bibliografía nunca fue el comprobante. Era el papel de regalo.