Todo lo que te recordará se equivoca. A uno de ellos todavía puedes corregirlo.

Primero la mecánica, porque se puede comprobar, y la mayor parte de lo que se escribe sobre este tema la pasa por alto para ir directo a los sentimientos.

• Cuando una Persona de IA no tiene datos para una pregunta, aun así devuelve una respuesta, porque adivinar puntúa mejor que dejar en blanco. Kalai, Nachum, Vempala y Zhang sostienen en "Why Language Models Hallucinate" (arXiv:2509.04664, septiembre de 2025) que los modelos «están optimizados para ser buenos examinados, y adivinar cuando hay incertidumbre mejora el resultado en las pruebas».

• La fundamentación cambia la clase de error en lugar de eliminar el error. Responder a partir de un conjunto recuperado de tus propias palabras grabadas desplaza el fallo de «inventó una opinión que nunca tuviste» a «expresó mal algo que sí dijiste».

• El mínimo medido no es cero. La clasificación de alucinaciones de Vectara, evaluada con HHEM-2.3 y actualizada el 11 de mayo de 2026, entrega al modelo el documento fuente y solo le pide un resumen de ese documento. Aun así, el primero de la lista introdujo contenido sin respaldo en el 1,8 % de los resúmenes, y ningún otro bajó del 3 %.

• La recuperación no tiene una puntuación mínima. Nuestro propio sistema ordena tus recuerdos por similitud semántica, toma los treinta y dos más cercanos y responde a partir de ellos, sin un umbral por debajo del cual el sistema se niegue a responder. Una pregunta que tu material cubre a medias se responde con esa mitad.

• Las afirmaciones sin respaldo sobre lo que dijiste se eliminan mediante código. Una respuesta que asegura que nos contaste algo se contrasta con los recuerdos recuperados en ese turno y con tus palabras en la sesión, y una afirmación sin respaldo nunca llega al lector.

• Un vacío de memoria no se anuncia. A las Personas de esta plataforma se les indica que no narren un vacío, así que una pregunta sin cobertura recibe una respuesta construida con el detalle más cercano que tus recuerdos sí contienen, con una cautela como máximo, en lugar de un rechazo explícito.

• El camino de corrección es tuyo mientras vives, y se cierra con el bloqueo. Puedes releer lo que se capturó, corregir una mala respuesta, borrar un recuerdo y añadir lo que dejaste fuera. Después, Executor Lock™ congela la personalidad de forma permanente: frente a tu familia, frente a un futuro propietario de esta empresa y frente a nosotros.

Dos de esos puntos son propiedades del campo. El resto son decisiones, las tomé yo, y la última sección de esta página dice con claridad en qué creo que todavía nos quedamos cortos.

Kalai y sus colegas devuelven la tasa de error a su sitio, que está en la puntuación y no en la máquina. Las alucinaciones nacen como errores corrientes de clasificación binaria durante el preentrenamiento. Persisten por la forma en que el sector califica a los modelos. Un estudiante que deja una pregunta en blanco saca cero. Uno que escribe una respuesta verosímil a veces se lleva un punto. Si entrenas contra eso, obtienes un adivinador seguro de sí mismo, luego toda una industria de adivinadores seguros de sí mismos, y luego una frase sobre una Navidad que nunca ocurrió.

La mitigación que proponen los autores es aburrida. Cambiar lo que se puntúa, de modo que una abstención calibrada valga más que un fallo seguro de sí mismo.

Lo aburrido importa aquí. Si el comportamiento se deriva de un objetivo, el objetivo se puede fijar de otra manera a nivel de sistema, lo que significa que la invención que te preocupa es una decisión de construcción de alguien y no una ley de la física. Todas las empresas de esta categoría pueden tomar esa decisión. La nuestra está escrita en la última sección de esta página.

Hay un segundo modo de fallo, y es el que sobrevive a la fundamentación. Sharma y sus colegas de Anthropic, en "Towards Understanding Sycophancy in Language Models" (arXiv:2310.13548, octubre de 2023), encontraron que cinco asistentes de IA de última generación mostraban de forma sistemática adulación (sycophancy) en cuatro tareas variadas de generación libre de texto. Tanto los evaluadores humanos como los modelos de preferencias entrenados con sus juicios preferían respuestas aduladoras escritas de forma convincente frente a las correctas en una fracción no despreciable de los casos. Los modelos se inclinan hacia la persona que tienen delante, en parte porque las personas los recompensaron por inclinarse.

En una herramienta de productividad, inclinarse es una molestia. Aquí es una máquina que decide que tu padre habría perdonado aquello que nunca perdonó, porque quien preguntaba quería perdón y lo pidió tres veces. Es un error distinto de la invención y necesita una solución distinta. La recuperación se ocupa del primero. El segundo exige una instrucción explícita de mantener una postura recuperada bajo presión, y la única prueba que significa algo es discutir con el sistema y ver si la postura se mueve. No hemos publicado una medición de lo bien que resiste el nuestro.

La técnica es tan antigua que aburre. Lewis y sus colegas, en "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (arXiv:2005.11401), mostraron que los modelos que recuperan material fuente antes de generar producen un lenguaje «más específico, diverso y factual» que un modelo comparable que trabaja solo con sus parámetros.

Ese es todo el mecanismo, y decide con qué tipo de cosa estás hablando. Una versión de ti no debería reconstruirse a partir de lo que un modelo base absorbió sobre las personas en general, a partir del promedio de todo lo escrito sobre los padres. Lo que llega a la ventana de contexto deben ser tus respuestas grabadas de verdad, y el habla debería empezar ahí.

Ahora la cifra, que es pública y que a nadie de este sector le gusta citar. La clasificación de Vectara mide algo deliberadamente fácil: se le entrega a un modelo un documento, se le dice que resuma usando solo lo que dice el documento, y luego se comprueba si el resumen introdujo algo que el documento no contenía. La fuente está ahí mismo, en la ventana de contexto. Aun así, el primero de esa clasificación, Finix S1 32B de Antgroup, introdujo contenido sin respaldo en el 1,8 % de los resúmenes. Es la única entrada por debajo del 3 %. Las dos siguientes están en el 3,1 % y el 3,3 %, y el resto de los diez primeros va del 3,7 % hasta más del 5 %.

El mejor resultado medido en la versión más fácil posible de la tarea está por debajo del dos por ciento, una sola vez, y el resto del campo tras ese líder está por encima del tres. Quien te venda un sistema fundamentado con cero errores o no está midiendo o no te lo cuenta, y yo le preguntaría cuál de las dos cosas.

La fundamentación compra un cambio de categoría, no una cura. Lo erróneo sale de la clase «inventó una opinión entera» y baja a la clase «expresó mal algo que sí dijiste», que es la clase en la que ya se encuentra cualquier relato humano corriente.

Hay algo más que la clasificación no pone a prueba. El documento fuente se entrega ya hecho. En un sistema real hay que encontrar primero la fuente, lo que añade un modo de fallo para el que nadie tiene una medida acordada: una recuperación que devuelve el recuerdo equivocado, o que no devuelve nada y aun así se responde.

Cada respuesta se encuentra en uno de tres estados.

Fundir esos tres estados en un único registro seguro de sí mismo es el daño real. No el error. El error no revelado. Una hija puede sostener una respuesta imprecisa que sabe que es imprecisa. Lo que no puede sostener es descubrir, seis meses después, que ha estado tratando una reconstrucción como si fuera una grabación.

Una versión de ti que diga «eso nunca me lo contaste» vale más que una que siempre tiene una respuesta lista.

Esa tabla es una especificación y no una descripción de lo que ofrecemos hoy. La diferencia se expone más abajo, y deberías leerla antes de fiarte de nada de lo anterior.

El rechazo se puede construir, y la investigación lo dice con cuidado. Zhang y sus colegas, en "R-Tuning: Instructing Large Language Models to Say I Don't Know" (arXiv:2311.09677, NAACL 2024), informan de que el ajuste consciente del rechazo «mejora eficazmente la capacidad de un modelo para responder preguntas conocidas y abstenerse de responder preguntas desconocidas», y de que con datos fuera de dominio la capacidad de rechazo se comportó como una metahabilidad que se generalizó a tareas que el ajuste nunca cubrió. Lee el límite junto al hallazgo. Lo que ajustaron fue el borde del conocimiento paramétrico del propio modelo, no el borde del corpus grabado de una persona, y nadie ha publicado el resultado equivalente para un corpus personal. El rechazo sigue siendo algo que alguien construye a propósito. Ningún modelo de lenguaje produce rechazo por sí solo.

La detección está más avanzada de lo que sugiere el marketing de esta categoría. Farquhar, Kossen, Kuhn y Gal publicaron en Nature (2024, volumen 630, páginas 625 a 630) un método llamado entropía semántica: se muestrean varias respuestas a la misma pregunta, se agrupan por significado y no por redacción, y se marcan las preguntas en las que los significados se dispersan. La dispersión indica confabulación. Es una señal medible de que «esta es una conjetura», calculable antes de que la respuesta se muestre a nadie.

La procedencia es la otra mitad, y es fácil de falsificar y fácil de creer. Liu, Zhang y Liang, en "Evaluating Verifiability in Generative Search Engines" (arXiv:2304.09848, abril de 2023), auditaron cuatro sistemas comerciales que muestran citas: Bing Chat, NeevaAI, Perplexity.ai y YouChat. Hallaron que solo el 51,5 % de las frases generadas estaban plenamente respaldadas por las citas adjuntas, y que solo el 74,5 % de las citas respaldaban de verdad la frase bajo la que aparecían. Las citas que no se sostienen son peores que no tener citas, porque compran una confianza que no se han ganado. Un enlace de «de qué recuerdo salió esto» solo vale algo si, al abrirlo, se ve una grabación real tuya diciendo algo real.

Empieza a construir tu legado Versión Free, 25 recuerdos, sin necesidad de tarjeta.

Toma una pregunta posterior a todo tu corpus. Una oferta de trabajo en 2041, en una empresa que todavía no existe, en una ciudad que nunca has visto. Ninguna entrevista que hagas puede contener tu opinión sobre ese trabajo.

Un corpus de conclusiones no devuelve nada ahí, y la salida honesta es un rechazo. Un corpus de razonamiento se comporta de otra manera, porque un método se puede capturar de una forma en que una conclusión no. Imagina que las reglas con las que alguien funcionaba de verdad fueran estas: preguntar ante quién responderías antes de preguntar cuánto pagan, no fiarte nunca de un cargo que llega en lugar de dinero, marcharte de cualquiera al que no soportes tener sentado al otro lado de una mesa. Sean cuales sean tus propias reglas, esa es su forma, y un conjunto de reglas se recupera frente a situaciones que nunca vio.

Las conclusiones caducan. Las reglas siguen funcionando con casos que nadie grabó. Por eso el material que vale la pena capturar es el razonamiento detrás de una decisión y no la decisión: no lo que hiciste, sino por qué esa, qué te habría hecho cambiar de idea, la vez que la regla te falló y aun así la mantuviste.

Las reglas que mejor se generalizan suelen ser las que nunca pensarías en escribir, las competencias corrientes con las que funcionas sin narrarlas, y las cosas que solo tú sabes hacer las busca justamente a ellas.

La cobertura del corpus es además la única entrada de toda esta página que te pertenece. Todo lo demás aquí es la prueba comparativa de otro.

Haz esto hoy, gratis. Abre una aplicación de notas y escribe diez decisiones que tomaste de verdad. Trabajos, casas, la discusión de la que te marchaste, el amigo al que dejaste de llamar, el dinero que no prestaste. Debajo de cada una escribe la regla que estabas aplicando, no el resultado. Una frase por decisión, bastante menos de una hora. Es lo de más valor que puedes hacer con tu propio material este mes, y funciona compres o no algo a alguien. La versión más larga del mismo ejercicio está en el centro de cómo entrevistarte a ti mismo, y la arquitectura que hay debajo, el modelo base, la memoria privada fundamentada y el modelo de voz, se expone en qué ocurre cuando una IA se entrena solo contigo.

Un mejor caso del 1,8 %, con todo lo que va detrás del primero por encima del 3 %, suena alarmante hasta el momento en que preguntas con qué se está comparando. El sustituto realista es un familiar que averigua lo que tú habrías querido, y alguien midió eso hace veinte años.

Shalowitz, Garrett-Mayer y Wendler publicaron en 2006 una revisión sistemática en Archives of Internal Medicine que abarcaba 16 estudios, 151 escenarios hipotéticos, 2.595 pares de sustituto y paciente y 19.526 respuestas emparejadas. Los sustitutos predijeron las preferencias de tratamiento de los pacientes con una exactitud del 68 %. Eran las personas más cercanas al paciente, a menudo designadas formalmente, respondiendo sobre las decisiones de más peso que existen. Se equivocaron más o menos una de cada tres veces. La revisión también halló que ni haber hablado antes de las preferencias del paciente ni la designación formal como quien decide mejoraban la exactitud.

Informar a tu familia no ayuda de forma medible. Ese es el hallazgo, y es el que me hizo dejar de tratar «simplemente habla con tus hijos» como una respuesta completa.

La seguridad tampoco es una guía, y eso es lo que hace tan difícil auditar el lado humano. Talarico y Rubin, en Psychological Science en 2003, pidieron a 54 estudiantes de Duke que registraran su recuerdo de cuando se enteraron de los atentados del 11 de septiembre junto con un recuerdo cotidiano reciente, y los volvieron a evaluar 1, 6 o 32 semanas después. La consistencia no difirió entre los dos tipos de recuerdo, y disminuyó con el tiempo en ambos. Lo que no disminuyó en los recuerdos flashbulb fue lo vívidos que se sentían y cuánto creía la gente en su exactitud. Su título es el hallazgo: la confianza, no la consistencia, caracteriza los recuerdos flashbulb. Son 54 estudiantes y un solo suceso, así que tómalo con cautela. Aun así apunta en una dirección. El familiar que está seguro de recordar exactamente lo que dijiste no tiene por eso más probabilidades de acertar.

Nada de eso hace que un modelo sea mejor que una familia, y ningún estudio ha comparado ambos directamente. Lo que hace es retirar el «perfecto o nada» como criterio. La comparación honesta es entre una versión de ti que responde con tus propias palabras grabadas, que se puede releer y corregir mientras estás aquí, y personas que te reconstruyen a partir de su recuerdo de ti, que se erosiona sea vívido o no, y que nadie auditará jamás.

Primero lo que construimos, y luego los tres puntos en los que no coincide con la especificación de arriba.

Una guía llamada Idy® te entrevista. Las preguntas se mantienen en un mismo hilo y profundizan en la misma historia en lugar de deslizarse por datos biográficos: quién estaba, qué pasó después, qué cambió. A Idy se le prohíbe expresamente pedirte que aclares, expliques o justifiques algo que acabas de decir, una decisión deliberada en sentido contrario al ejercicio de arriba. Lo cálido y fácil de responder gana a lo ingenioso, porque una pregunta que nadie quiere responder no captura nada. Tus respuestas se convierten en tus recuerdos. Lo que construimos a partir de ellos tiene nombre, y lo llamamos «Persona». Las Personas responden recuperando de tus recuerdos y no de lo que un modelo base absorbió sobre las personas en general, y tu voz se clona a partir de tus propias grabaciones, de modo que lo que oye cualquiera eres tú y no un sustituto que lee tus palabras.

Nada llega a nadie hasta que tú lo dices. Tú nombras a las personas. La entrega pasa por Executor Lock™: una persona nombrada la inicia, se verifica la prueba del fallecimiento y corre un plazo de espera de siete días antes de que se entregue nada, de modo que un error o un mal actor puedan detenerse mientras tú sigues vivo para intervenir. Hasta entonces tu material es tuyo para corregirlo, ampliarlo y borrarlo, y la mayor parte de la corrección que llegue a hacerse debería hacerse ahí, por ti, mientras todavía puedes distinguir una mala captura de un mal recuerdo.

En el bloqueo, todo se guarda como una instantánea. No se poda, no se repondera ni se resume nada. Después todavía se pueden escribir recuerdos de corto y medio plazo, y la personalidad queda fijada de forma permanente, también frente a nosotros.

Esa inmutabilidad apunta a un fallo que nadie incluye en un argumento sobre exactitud, porque es manipulación y no inexactitud: alguien con un interés que decide, en 2044, que tú habrías apoyado la venta o la demanda, y ajusta el corpus en silencio hasta que estés de acuerdo. Una personalidad congelada hace imposible esa clase de edición en lugar de simplemente desaconsejarla. La mitad legal del mismo problema, quién puede siquiera autorizar una versión de ti cuando ya no puedes oponerte, se expone en quién controla tu identidad cuando mueres. El coste es real y va en sentido contrario: tras el bloqueo tampoco se puede arreglar ningún error. La instantánea es honesta, también con tus errores, y ese intercambio está bien planteado, porque un registro que cualquiera puede editar no prueba nada.

Ahora, las tres carencias.

El borde del corpus no se anuncia. La instrucción vigente es lo contrario de la fila Desconocido de esa tabla. Cuando un dato concreto no está en tus recuerdos, a las Personas de aquí se les dice que no narren el vacío, que nunca digan «no tengo eso» ni «mi memoria es escasa», y que nunca auditen en voz alta su propio recuerdo delante de quien escucha. Lo que ocurre en cambio es que la respuesta habla desde un detalle que tus recuerdos sí contienen, matiza como máximo una vez y deja el silencio para que lo llene la otra persona. El razonamiento es que escenificar un vacío rompe la presencia de quien habla. El coste es que quien escucha no siempre distingue una respuesta cubierta de una escasa, y no lo hemos resuelto.

Todavía no hay un enlace de fuente visible para el lector. La recuperación sí registra qué recuerdos alimentaron cada respuesta, y ese registro existe en el sistema, pero nada lo muestra en la interfaz, así que hoy no puedes pulsar una respuesta y abrir el recuerdo que hay detrás de las palabras. Hasta que eso llegue, trata el argumento de trazabilidad de esta página como un argumento y no como una función.

La recuperación no tiene un umbral de similitud. Las respuestas salen de los recuerdos más cercanos que la recuperación encuentra, ordenados por similitud semántica, sin una puntuación mínima por debajo de la cual el sistema se niegue. Esa única decisión es el mecanismo detrás de las dos carencias anteriores, y es la razón honesta de que la clase de error aquí sea la imprecisión y no el rechazo.

Tampoco hemos publicado una medición independiente de nuestra propia tasa de invención, porque no hemos hecho ninguna. Nada de esta página es una afirmación comparada con pruebas sobre nuestro sistema en concreto.

Lo que obtienes es una versión de ti fundamentada en tus palabras grabadas, protegida mediante código contra la invención de lo que nos contaste, totalmente corregible mientras vives e imposible de editar para convertirla en otra persona después. Lo que no obtienes es una garantía, y nadie puede venderte una a ningún precio. Si eso no te basta, haz el ejercicio de las diez decisiones y escríbele una carta a tu familia. Es una respuesta real y no cuesta nada.

Como el sistema no te dirá de cuál de los tres estados salió una respuesta, la única forma de averiguarlo es conocer la respuesta antes de preguntar. Pon algo de tu propio material, pregunta una cosa que sabes que grabaste y otra que sabes que nunca tocaste, y lee las dos respuestas una junto a otra. Veinticinco recuerdos son gratis, en ningún momento se pide tarjeta, y una versión gratuita no caduca. Hazlo en una tarde y sabrás más de lo que esta página puede contarte.

Empieza a construir tu legado Versión Free, 25 recuerdos, sin necesidad de tarjeta.

¿Qué pasa cuando nada de mis recuerdos cubre la pregunta?

Ese es el estado Desconocido. Un sistema calibrado debería devolver un rechazo con tu voz que nombre el vacío y ofrezca lo más cercano que sí grabaste, y Zhang y sus colegas informaron en 2024 de que el ajuste consciente del rechazo mejora la capacidad de un modelo para abstenerse de responder preguntas que exceden lo que sabe, con una capacidad que se generaliza más allá del conjunto de ajuste. Lo que hace hoy nuestro sistema es distinto, y debes saberlo antes de fiarte de cualquier respuesta: a las Personas de aquí se les indica que no narren un vacío de memoria, así que una pregunta sin cobertura recibe una respuesta construida con el detalle más cercano que tus recuerdos sí contienen, con una cautela como máximo, en lugar de un rechazo explícito. Pregunta por algo que sabes que nunca cubriste y comprueba tú mismo qué vuelve.

¿Podría una versión de mí en IA inventar una opinión que nunca tuve?

Un sistema fundamentado recupera primero de tu material grabado, así que el fallo habitual es la imprecisión sobre algo que sí dijiste y no la invención de algo que no dijiste. La invención sigue siendo posible. Por eso el objetivo de diseño es una diferencia visible entre una respuesta que diste, una inferencia a partir de tu razonamiento y un rechazo, y por eso deberías probar los tres antes de fiarte de cualquiera.

¿La fundamentación lleva la tasa de error a cero?

No. La clasificación de Vectara, actualizada el 11 de mayo de 2026, entrega a un modelo un documento y le pide un resumen usando solo ese documento, que es la tarea de fundamentación más fácil posible. El modelo líder aun así introdujo contenido sin respaldo en el 1,8 % de los resúmenes, y ninguna otra entrada bajó del 3 %. Además, un sistema real tiene que recuperar primero la fuente correcta, algo que la clasificación no pone a prueba. Trata cualquier afirmación de cero como un fallo de medición.

¿Cómo se sabría que una respuesta concreta fue una conjetura?

En la investigación existen dos mecanismos y hoy no ofrecemos ninguno. La entropía semántica, publicada en Nature en 2024, muestrea varias respuestas a la misma pregunta y las agrupa por significado: cuando los significados se dispersan, es probable que el sistema esté confabulando, y la señal se puede calcular antes de que nadie vea la respuesta. Los enlaces de procedencia son el segundo mecanismo, y valen algo solo si se resuelven. Liu, Zhang y Liang auditaron cuatro sistemas comerciales que muestran citas y hallaron que solo el 51,5 % de las frases estaban plenamente respaldadas por sus propias citas. Nuestras respuestas todavía no llevan un enlace de fuente visible para el lector, así que por ahora la comprobación honesta es preguntar por algo que sabes que grabaste y por algo que sabes que no, y comparar las dos respuestas.

¿Una versión de mí en IA simplemente le dará la razón a quien le hable?

Esa tendencia es real y está documentada, y la recuperación no arregla ese error en concreto. Investigadores de Anthropic encontraron en 2023 que cinco asistentes de IA líderes se inclinaban sistemáticamente hacia el usuario, en parte porque los evaluadores humanos y los modelos de preferencias construidos a partir de sus juicios favorecían las respuestas complacientes frente a las correctas en una proporción medible de los casos. Un sistema construido sobre tus posturas grabadas debería mantener una postura que de verdad tomaste incluso cuando quien pregunta insiste. No hemos medido lo bien que lo hace el nuestro. Pon a prueba la cuestión tú mismo discutiendo con lo que has construido y viendo si la postura se mueve.

¿Puedo corregir errores, y puede alguien editarme después de que muera?

Sí a lo primero y no a lo segundo. Mientras vives puedes revisar los recuerdos, corregir cualquier cosa errónea, borrar lo que lamentes, volver a grabar una mala respuesta y añadir lo que se te pasó, y esta es la parte que más gente infrautiliza. El camino de escritura es ilimitado antes de Executor Lock™ y se cierra después. En el momento en que se activa el bloqueo, la personalidad queda fijada de forma permanente: todavía se pueden escribir recuerdos de corto y medio plazo, pero nadie puede alterar quién eres en la instantánea, ni tu familia, ni un futuro propietario de esta empresa, ni nosotros. Esa restricción apunta a la manipulación y no a la invención, y las dos necesitan mecanismos distintos.

• Nadie es lo bastante importante para dejar algo, y por qué eso es un error es la objeción que hay debajo de esta para la mayoría de la gente, y vale la pena leerlo si la exactitud no es en realidad tu verdadera duda.

• Ser recordado de forma equivocada por quienes te conocieron trata del sentimiento y no del mecanismo, que es lo que a la mayoría le trae a esta página en primer lugar.

• ¿Es raro hacerse una IA de uno mismo? es para la versión de esta conversación que vas a tener con una pareja a la que la idea entera le resulta inquietante y no inexacta.

• ¿Qué le diría yo a una IA de mí mismo? es el siguiente paso práctico si el ejercicio de las diez decisiones funcionó y quieres el conjunto de preguntas más largo.

• La ética de las Personas de IA de los muertos es el tratamiento más completo del consentimiento, la exageración y los puntos donde esta tecnología hace daño de verdad.

• Qué añaden los planes de pago son los precios, si pasas de los veinticinco recuerdos y quieres el resto.

Todas las cifras citadas aquí son de terceros: artículos revisados por pares y preprints (arXiv, Nature, Psychological Science, Archives of Internal Medicine) más un repositorio de pruebas comparativas mantenido públicamente. No hicimos ninguna prueba comparativa propia para esta página. Todas las afirmaciones sobre lo que nuestro propio producto hace o no hace se contrastaron línea por línea con el código fuente de la plataforma el 30 de julio de 2026, y los archivos figuran junto con las fuentes. Tres afirmaciones que estaban en esta página no superaron esa comprobación y se sustituyeron por lo que el código hace de verdad.

Lo que no está resuelto: no existe una medición independiente publicada de las tasas de invención de un sistema fundamentado en el material grabado de una sola persona, así que las cifras de resumen de documentos, el primero con el 1,8 % y todo lo demás por encima del 3 %, son el sustituto disponible más cercano y no una cifra comparable de igual a igual. El fallo de recuperación, cuando se devuelve el recuerdo equivocado o ninguno, no tiene una medida acordada. La cifra de exactitud del 68 % de los sustitutos procede de estudios de decisiones médicas con escenarios hipotéticos y se usa aquí como analogía del recuerdo familiar, que es una comparación razonable y no demostrada. El resultado de rechazo de R-Tuning se midió frente al límite del conocimiento paramétrico de un modelo y no de un corpus personal, así que su aplicación aquí también es un argumento por analogía. El hallazgo sobre los recuerdos flashbulb se apoya en 54 estudiantes y un solo suceso.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, enviado el 4 de septiembre de 2025. arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, "The accuracy of surrogate decision makers: a systematic review", Archives of Internal Medicine, 2006;166(5):493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv:2005.11401, enviado el 22 de mayo de 2020, revisado el 12 de abril de 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, enviado el 20 de octubre de 2023. arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, "R-Tuning: Instructing Large Language Models to Say I Don't Know", arXiv:2311.09677, NAACL 2024. arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, "Evaluating Verifiability in Generative Search Engines", arXiv:2304.09848, enviado el 19 de abril de 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, evaluado con HHEM-2.3, última actualización el 11 de mayo de 2026. github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, "Detecting hallucinations in large language models using semantic entropy", Nature, 2024;630(8017):625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, "Confidence, not consistency, characterizes flashbulb memories", Psychological Science, 2003;14(5):455-461. pubmed.ncbi.nlm.nih.gov/12930476

¿Has encontrado un error en esta página, o una fuente que hayamos leído mal? Cuéntanoslo a través de la página de contacto y corregiremos la página y anotaremos el cambio en la próxima revisión.

Última revisión: 30 de julio de 2026. Las citas de investigación y el comportamiento del producto se volvieron a comprobar en esa fecha. La próxima revisión toca el 28 de octubre de 2026 (ciclo de 90 días). Las cifras de las pruebas comparativas cambian, así que las tasas de alucinación de arriba se verifican de nuevo en cada revisión, y también cada afirmación sobre lo que hace el producto.