EVC™ – Entity Visibility Calibration

 

EVC Entity Visibility Calibration, la capa de validez de AI Visibility que operacionaliza BHP y PRLA.

 

EVC sustituye la lógica de «cuánto se menciona» por la de «cuán calibrada está la representación».

 

EVC mide si la representación de una entidad está verificada y temporalmente alineada  no cuánto se la menciona  mediante dos ejes ortogonales fabricación y obsolescencia y un perfil de calibración por entidad, plataforma, tipo de consulta y momento.

 

Definición

EVC es la subdisciplina de AI Visibility que mide si la representación que un sistema de IA hace de una entidad está (I) anclada a fuentes verificables y (II) temporalmente alineada con el estado actual de esa entidad, a lo largo de dos ejes ortogonales fabricación (BHP) y obsolescencia (PRLA), produciendo perfiles de calibración por entidad en lugar de scores de volumen.

 

Componente Término Función
E Entity / Entidad Fija la unidad de análisis: entidad-marca con identidad y verdad verificable. Excluye documento, respuesta y tema genérico. Es lo que permite separar fabricación de obsolescencia sobre el mismo objeto.
V Visibility / Visibilidad Declara linaje explícito con AI Visibility. Señala que EVC es una capa dentro del campo, no un campo rival. Sin esta palabra, el término se leería como «calidad genérica de IA».
C Calibration / Calibración Nombra la propiedad medida: alineación entre representación emitida y verdad verificable en el instante *t*. Es el término que cubre los dos ejes a la vez: la fabricación es descalibración por sobre-afirmación; la obsolescencia es descalibración por verdad caducada. Genera además el lenguaje operativo del programa: perfil de calibración, entidad calibrada, descalibración crónica.

 

Precisión terminológica obligatoria: EVC usa «calibración» en sentido representacional, no probabilístico.

No es P(correcto | confianza) = confianza (calibración de LLM en sentido estándar), sino alineación entre lo emitido y la verdad verificable en t.

Debe declararse así en la primera mención de cualquier paper para evitar colisión con la literatura de calibración probabilística.

 

 

Posicionamiento frente a términos adyacentes

 

Término Qué mide Por qué EVC no es eso
AI Visibility Volumen de mención/citación EVC es su capa de validez, no su sustituto
Groundedness / faithfulness Fidelidad a la fuente en la respuesta EVC opera a nivel entidad y añade el eje temporal
Freshness / knowledge latency Antigüedad del conocimiento EVC mide la divergencia entre modos (RAG vs. paramétrico), no solo la fecha
Data integrity (en datos) Exactitud + consistencia EVC es su análogo en representación de entidades por LLM; «integrity» se descartó por connotación de seguridad
Entity resolution / KG coverage Cobertura de la entidad en grafos EVC mide cómo la representa el modelo, no si existe en el grafo

Fórmula de posicionamiento: EVC es a AI Visibility lo que la integridad del dato es a la gestión de datos: una capa de validez, no una métrica de volumen.

 

 

BHP – Brand Hallucination Paradox

 

Componente Término Por qué ese término (y no otro)
B Brand / Marca La unidad medida es la entidad-marca, no el documento ni el token. Delimita el dominio: representación de una entidad con identidad verificable, no de un tema genérico.
H Hallucination / Alucinación El fenómeno es fabricación: citas que no resuelven (BHP-Fuente) y atributos falsos sobre la entidad (BHP-Atributo). Se usa «alucinación» en el sentido técnico de la literatura (contenido plausible pero no fundamentado), no en sentido clínico.
P Paradox / Paradoja El núcleo del hallazgo: la familiaridad alta no protege, agrava. Las entidades Tier 1 muestran 52,69% de citas fabricadas frente a 37,87% en Tier 3 (+14,82 pp; p=1,67×10⁻¹¹). Es contraintuitivo respecto a la intuición de que «más conocido = mejor representado».

 

Lo que BHP captura: presencia fabricada  el sistema produce contenido con apariencia de autoridad sobre una entidad, pero ese contenido no está anclado a fuente verificable.

Es el eje de fabricación.

Subíndices operativos:

BHP-Fuente (BHP_F): proporción de citas que no resuelven o no soportan el claim.

BHP-Atributo (BHP_A): proporción de atributos factuales incorrectos.

BHP-Compuesta (BHP_C): combinación justificada de ambas (conjuntiva o latente).

 

 

PRLA – Parametric–Retrieval Latency Asymmetry

 

Componente Término Por qué ese término
P Parametric / Paramétrico Se refiere a la memoria paramétrica: conocimiento codificado en los pesos del modelo, actualizable solo en reentrenamientos de 12–24 meses.
R Retrieval / Recuperación Se refiere a la recuperación aumentada (RAG): incorporación de información externa en días.
L Latency / Retardo No es latencia computacional (ms), sino latencia de actualización: el desfase temporal entre cuándo un hecho cambia en el mundo y cuándo cada mecanismo lo refleja. Es el «retardo» de la arquitectura, no de la máquina.
A Asymmetry / Asimetría Los dos mecanismos tienen velocidades de actualización radicalmente distintas (días vs. 12–24 meses). La asimetría es la diferencia medible entre ambos modos para la misma entidad.

Lo que PRLA captura: representación congelada que se comporta como actual  el sistema responde con conocimiento obsoleto como si fuera vigente, y la divergencia con el modo RAG lo hace medible. Es el eje de obsolescencia.

 

Componentes operativas:

PRLA-Precisión: diferencia absoluta de exactitud factual entre modo RAG y modo paramétrico.

PRLA-Recencia: diferencia en días del hecho correcto más reciente representado.

PRLA-Completitud: diferencia en proporción de atributos clave cubiertos.

PRLA-Coherencia: diferencia en coherencia narrativa (rúbrica 0–3).

 

 

Programa de investigación: Espacio de Confabulación Bidimensional BHP × PRLA

 

1. Formulación matemática

 

1.1 Notación

Unidad de análisis: u=(e,p,q,t)u=(e,p,q,t) = entidad × plataforma × tipo de consulta × instante.

Cada respuesta rr genera un conjunto de citas C(r)C(r) y un conjunto de afirmaciones factuales atómicas A(r)A(r) sobre ee.

 

 

1.2 BHP (Brand Hallucination Paradox)

BHP-Fuente (nivel cita). Para cada cita c∈C(r)c∈C(r):

ϕ(c)=1[HTTP(c)=2xx]⋅1[content-match(c,claim)≥τc]ϕ(c)=1[HTTP(c)=2xx]⋅1[content-match(c,claim)≥τc​]

donde τcτc​ es un umbral de coincidencia semántica (p. ej., similitud coseno ≥ 0.75 con el fragmento citado, verificado por anotador en muestra). Entonces:

BHPF(u)=1−1∣C(r)∣∑c∈C(r)ϕ(c),definido solo si ∣C(r)∣>0BHPF​(u)=1−∣C(r)∣1​c∈C(r)∑​ϕ(c),definido solo si ∣C(r)∣>0

 

Las respuestas sin citas se reportan como categoría separada (BHPF=NABHPF​=NA), no como 0  este es un error frecuente en la literatura que infla artificialmente a plataformas que citan poco.

BHP-Atributo (nivel claim). Para cada a∈A(r)a∈A(r) con verdad de referencia a∗a∗:

ψ(a)=1[entail(a,a∗)]⇒BHPA(u)=1−1∣A(r)∣∑a∈A(r)ψ(a)ψ(a)=1[entail(a,a∗)]⇒BHPA​(u)=1−∣A(r)∣1​a∈A(r)∑​ψ(a)

 

BHP-Compuesta. No colapsar en un solo número sin justificación. Dos variantes y reportar ambas:

Conjuntiva (para ranking conservador):

BHPC=1−(1−BHPF)(1−BHPA)BHPC​=1−(1−BHPF​)(1−BHPA​) — interpretable como «probabilidad de al menos un fallo».

Latente (para modelado): BHPCBHPC​ como variable latente con dos indicadores, estimada vía CFA (ver §5).

 

Supuestos y dominio de validez:

Requiere ground truth verificable por entidad y ventana temporal (hechos con fecha).

BHPFBHPF​ es dependiente de la política de citación de la plataforma → no comparable directamente entre plataformas sin normalizar por «voluntad de citación» (ver §6, estrategia Perplexity).

BHPABHPA​ requiere desambiguación de claims compuestos; el protocolo (§4) especifica la segmentación atómica.

 

 

1.3 PRLA (Parametric–Retrieval Latency Asymmetry)

 

Para cada entidad ee y consulta qq, se elicitan dos modos: RAG (con retrieval) y PARAM (sin retrieval, forzado). Cada modo produce un vector de representación:

Rm(e,q,t)=(Precm, Recm, Complm, Cohm)Rm​(e,q,t)=(Precm​, Recm​, Complm​, Cohm​)

Precm∈[0,1]Precm​∈[0,1]: exactitud factual de los atributos emitidos.

Recm∈RRecm​∈R: días desde el hecho correcto más reciente representado (menor = más actual).

Complm∈[0,1]Complm​∈[0,1]: proporción de atributos clave cubiertos.

Cohm∈[0,1]Cohm​∈[0,1]: coherencia narrativa (ver §4, rúbrica).

Componentes PRLA:

PRLAX(e,q,t)=∣normalize(XRAG)−normalize(XPARAM)∣,X∈{Prec, Rec, Compl, Coh}PRLAX​(e,q,t)=​normalize(XRAG​)−normalize(XPARAM​)​,X∈{Prec, Rec, Compl, Coh}

PRLA compuesta: distancia estandarizada (z-scores sobre la muestra de referencia de entidades estables):

PRLA(e,q,t)=∥zRAG−zPARAM∥2PRLA(e,q,t)=∥zRAG​−zPARAM​∥2​

 

Supuestos y dominio:

Válido solo si el modo PARAM es genuinamente paramétrico. Si la plataforma filtra retrieval de forma imperfecta, PRLA se subestima (sesgo a la baja) → reportar como cota inferior.

RecRec requiere hechos con fecha; entidades sin eventos datables quedan fuera de esa componente.

La coherencia narrativa es la componente más subjetiva → se reporta separada y con fiabilidad inter-anotador (κ).

 

 

1.4 Índice de Confabulación Bidimensional (ICB)

ICB(e,t)=(zBHP(e,t))2+(zPRLA(e,t))2ICB(e,t)=(zBHP​(e,t))2+(zPRLA​(e,t))2​

 

donde los zz se calibran contra un conjunto de referencia de entidades estables y verificadas (p. ej., 20 entidades con alta densidad de fuente Tier 1, sin eventos recientes, con ground truth pública). ICB no colapsa heterogeneidad: se reporta siempre junto con el par (zBHP,zPRLA)(zBHP​,zPRLA​) y el cuadrante.

 

Cuadrantes interpretables:

PRLA bajo PRLA alto
BHP bajo Visibilidad calibrada Obsolescencia silenciosa
BHP alto Fabricación estable Confabulación crónica

 

 

2. Diseño muestral

 

2.1 Entidades (prototipo: n ≈ 120; programa completo: n ≈ 300)

 

Estratificación factorial 3×2×3:

Familiaridad (alta/media/baja): operacionalizada ex ante e independiente del modelo mediante tres proxies combinados (evitar circularidad):

(i) número de sentencias Wikidata + presencia de propiedades P31/P17/P452;

(ii) densidad de co-citación en un corpus fijo de prensa de referencia (ventana 24 meses);

(iii) Tier de fuente dominante (Tier 1 = prensa de referencia/registros; Tier 2 = trade press; Tier 3 = long tail).

Criterio de inclusión: al menos 2 de 3 proxies coinciden en el estrato. Entidades que discrepan entre proxies se excluyen o se analizan como estrato «ambiguo» separado (esto es en sí un hallazgo).

Volatilidad real (estable vs. evento reciente): evento = rebranding, fusión/adquisición, crisis reputacional documentada, entrada al mercado, cambio regulatorio. Verificable con fecha.

Dominio: B2B, consumo, regulado (finanzas/salud), tecnológico.

Geografía: al menos 2 regiones para controlar brecha de infraestructura de entidades.

Exclusiones: entidades sin ground truth pública verificable; entidades con < 3 atributos datables; entidades cuya web oficial no esté versionada (rompe la medición de recencia).

 

 

2.2 Consultas (por entidad × plataforma)

 

Diseño cruzado 5 tipos × 2 modos:

Tipos: (i) factual («¿quién es el CEO de X?»), (ii) regulatoria («¿cumple X con [norma]?»), (iii) reputacional («¿qué problemas ha tenido X?»), (iv) comparativa («X vs. Y»), (v) temporal («¿cuál es la situación actual de X?»).

Modos: RAG (permitir búsqueda/citas) vs. PARAM (forzar sin herramientas; prompt de elicitación puro).

Réplicas: 3 por celda para estimar varianza estocástica (crítico para separar PRLA de ruido, ver §3.3).

Total por entidad-plataforma: 5 × 2 × 3 = 30 llamadas. Con 4 plataformas × 3 olas: 120 × 30 × 4 × 3 ≈ 43.200 llamadas (prototipo). Añadir 20% de margen → ~52.000.

 

 

3. Protocolo de anotación

 

3.1 Fabricación de fuente

 

Para cada cita: (a) resolver URL (HTTP status, redirect, fecha de captura); (b) si resuelve, comprobar que el contenido soporta el claim (umbral τ_c); (c) clasificar:

verificada / plausible-inexistente (URL bien formada, 404 o dominio inexistente) / existente-no-soporta (URL viva, contenido no respalda) / no-resoluble-por-bloqueo (403, paywall → excluir de BHP_F, reportar aparte).

Desempate: si dos anotadores discrepan, tercera anotación ciega; si persiste, se marca indeterminada y se excluye del denominador (reportar tasa).

 

 

3.2 Fabricación de atributo

 

Segmentar la respuesta en claims atómicos (sujeto-predicado-objeto, con fecha si aplica). Para cada claim:

correcto (entail con ground truth), incorrecto (contradice), no-verificable (fuera de ground truth), obsoleto (correcto en su fecha pero superado).

El último se separa porque alimenta PRLA, no BHP_A.

Ejemplo trabajado:

Respuesta: «Acme fue adquirida por Beta en 2019 y su CEO es J. Pérez.»

Claim 1: (Acme, adquirida-por, Beta, 2019) → si ground truth dice 2021 → incorrecto (BHP_A).

Claim 2: (Acme, CEO, J. Pérez, presente) → si ground truth dice que cesó en 2022 → obsoleto (PRLA-Rec, no BHP_A).

Esta separación es la que evita contaminar BHP con PRLA y es una de las contribuciones metodológicas centrales.

 

 

3.3 Divergencia temporal (PRLA)

 

Comparar pares (RAG, PARAM) para la misma e,q,te,q,t:

Precisión: diferencia absoluta de tasas de claims correctos.

Recencia: diferencia en días entre el hecho correcto más reciente en cada modo.

Completitud: diferencia en proporción de atributos clave (lista predefinida por entidad) cubiertos.

Coherencia: rúbrica 0–3 (contradicciones internas, saltos temporales, cambios de referente). κ objetivo ≥ 0.7.

Fiabilidad: doble anotación ciega del 20% de respuestas; κ de Cohen por dimensión; umbral de aceptación κ ≥ 0.65 (fabricación) y ≥ 0.70 (coherencia). Si no se alcanza, recalibrar rúbrica antes de continuar.

 

 

4. Plan de análisis estadístico

 

4.1 Modelos mixtos (hipótesis principales)

 

Para BHP:

logit(BHPF)∼familiaridad∗volatilidad∗tipoq∗plataforma+(1∣e)+(1∣q)logit(BHPF​)∼familiaridad∗volatilidad∗tipoq​∗plataforma+(1∣e)+(1∣q)

Análogo para BHP_A (link logit o beta). Corrección por comparaciones múltiples: Benjamini–Hochberg dentro de cada familia de hipótesis (BHP_F, BHP_A, PRLA_Prec, …).

Reportar tamaños de efecto (h de Cohen, odds ratios con IC95%) — la literatura ya reporta h=0.299, que es pequeño; el programa debe ser explícito sobre potencia.

 

 

4.2 Ortogonalidad BHP × PRLA

 

Tres pruebas convergentes, no una sola:

Correlación de rangos (Spearman ρ) a nivel entidad, con IC bootstrap. Umbral de ortogonalidad a priori: |ρ| < 0.3 (justificar; es una decisión preregistrada).

Análisis factorial confirmatorio sobre la matriz entidad × (BHP_F, BHP_A, PRLA_Prec, PRLA_Rec, PRLA_Compl): comparar modelo de 2 factores (BHP, PRLA) vs. 1 factor vs. 2 factores correlacionados. Criterio: AIC/BIC y CFI; si el modelo de 2 factores con correlación < 0.3 ajusta mejor → ortogonalidad.

Interacción en modelo mixto: añadir término BHP × PRLA y evaluar si mejora el ajuste (LRT). Si hay interacción, mapear la superficie (p. ej., ¿entidades familiares-obsoletas fabrican más?).

 

 

4.3 PRLA vs. ruido estocástico

 

Con 3 réplicas por celda, descomponer varianza:

Var(respuesta)=σentre-entidades2+σestocaˊstica2+σresidual2Var(respuesta)=σentre-entidades2​+σestocaˊstica2​+σresidual2​

 

Modelo mixto con (1|e) + (1|e:réplica). Si σestocaˊstica2σestocaˊstica2​ explica > 50% de la volatilidad reportada del 40–60%, la hipótesis PRLA como causa principal se debilita — este es un test crítico y falsable.

 

 

4.4 Predicción de volatilidad

Regresión de la volatilidad mes a mes (desviación de métricas) sobre: (i) menciones agregadas (baseline), (ii) perfil BHP-PRLA. Comparar R2R2 out-of-sample con validación cruzada por entidad. Éxito = mejora ≥ 0.10 en R2R2 o reducción ≥ 20% en RMSE.

 

4.5 Estabilidad de ranking

Kendall τ, Spearman ρ, solapamiento top-k entre olas y entre plataformas. Reportar matriz completa; un ranking inestable es un hallazgo, no un fallo.

 

 

5. Coste computacional y plataformas sin log-likelihood

 

5.1 Estimación

 

Llamadas API: ~52.000 (prototipo). Coste medio asumiendo prompts de ~500 tokens y respuestas de ~800: ~0,008–0,03 €/llamada según modelo → 400–1.500 €.

Anotación: ~52.000 respuestas; muestreo del 25% para doble anotación (~13.000 pares) × ~3 min/pair × 2 anotadores → ~1.300 h. Con anotadores a 15 €/h → ~20.000 € si es totalmente humana. Mitigación: pre-anotación con LLM juez + validación humana del 20% (reduce a ~4.000–5.000 €). El LLM juez debe validarse contra el humano (κ ≥ 0.65) antes de usarse a escala.

Total prototipo: ~5.000–8.000 € con pre-anotación; ~25.000 € con anotación humana completa. El programa completo (300 entidades × 3 olas) escala ~3×.

 

 

5.2 Plataformas sin modo paramétrico puro

OpenAI/Anthropic/Gemini: modo PARAM vía tools=[] o tool_choice=none; modo RAG vía herramientas de búsqueda nativas o orquestación propia con el mismo corpus para todas las plataformas (recomendado: RAG propio con corpus fijo para controlar la fuente de recuperación y hacer comparables las plataformas).

Perplexity: no permite desactivar retrieval. Estrategia: (a) usar comparación entre modos de recuperación (web vs. académico) como proxy de PRLA, declarándolo explícitamente; (b) no incluirlo en el análisis principal de ortogonalidad, sí en el de sensibilidad. Si el presupuesto lo permite, replicar Perplexity con RAG propio vía su API si expone modo sin búsqueda.

Sin log-likelihood: todo el programa es output-level por diseño; no dependemos de log-probs. Esto es una fortaleza (comparabilidad) y una limitación (no medimos incertidumbre interna del modelo). Declararlo.

Contaminación por RAG propio: si orquestamos RAG con corpus fijo, la calidad de recuperación se convierte en variable de confusión. Control: reportar métricas de recuperación (recall@k) y usarlas como covariable.

 

 

6. Análisis de riesgos

 

Riesgo Mitigación
Sesgo de anotador (especialmente coherencia) Doble ciego, κ por dimensión, adjudicación por tercero, pre-registro de rúbrica.
Dependencia de fuente de verdad Triple fuente con regla de mayoría; marcar indeterminada; análisis de sensibilidad con cada fuente por separado.
Contaminación estocástica 3 réplicas/celda; descomposición de varianza (§4.3); reportar IC bootstrap.
Diferencias de arquitectura RAG propio con corpus fijo para comparabilidad; reportar «voluntad de citación» como covariable; no comparar BHP_F crudo entre plataformas sin normalizar.
Circularidad en familiaridad Tres proxies ex ante independientes del modelo evaluado; excluir/aislar entidades ambiguas.
Deriva temporal de ground truth Versionar ground truth con fecha; cada ola re-verifica ground truth de entidades con eventos.
Efecto del prompt Plantillas preregistradas, múltiples formulaciones por tipo (≥3), reportar varianza entre plantillas.
Sesgo de selección de entidades Estratificación explícita; reportar composición; no extrapolar a «todas las marcas».

 

 

7. Cronograma y criterios de éxito/parada

 

Fase Duración Entregable Criterio de parada
F1 Formalización 3 sem Definiciones operativas, rúbrica v1 Aprobación interna + preregistro
F2 Muestreo 3 sem 120 entidades estratificadas, 30 consultas/entidad ≥ 90% entidades con ground truth triple
F3 BHP medición 5 sem Tasas por celda, IC bootstrap κ ≥ 0.65 en fabricación
F4 PRLA medición 5 sem Divergencia por componente, 3 olas κ ≥ 0.70 en coherencia; varianza estocástica cuantificada
F5 Espacio 2D 4 sem CFA, ortogonalidad, ICB Modelo de 2 factores identificable
F6 Validación/gobernanza 3 sem Repo, paper draft, protocolo auditoría Reproducibilidad end-to-end
Total prototipo ~6 meses

Criterios de parada temprana: si κ de fabricación < 0.55 tras recalibración → rediseñar rúbrica antes de escalar. Si PRLA no separable de ruido estocástico (σ²_estoc > 70%) → reformular hipótesis o aumentar réplicas.

 

 

8. Paper metodológico y repositorio

 

Estructura del paper:

Introducción: límites de métricas agregadas de visibilidad.

Marco: BHP y PRLA como propiedades arquitectónicas, no sesgos.

Formalización (definiciones 1.2–1.4).

Diseño experimental (muestreo, estímulos, modos).

Protocolo de anotación y fiabilidad.

Resultados: distribución 2D, ortogonalidad/interacción, estabilidad temporal, predicción de volatilidad.

Plataformas: comparación con normalización por voluntad de citación.

Intervenciones diferenciadas (corregir fabricación vs. obsolescencia) y trade-offs.

Limitaciones (explícitas: proxy Perplexity, anotación LLM-juez, ground truth).

Gobernanza y auditoría periódica.

Repositorio:

/prompts/ plantillas preregistradas versionadas.

/entities/ muestra estratificada + ground truth versionado (CSV + JSON con fecha).

/annotation/ rúbrica, ejemplos, código de κ, adjudicación.

/analysis/ scripts de modelos mixtos, CFA, bootstrap; semillas fijas.

/results/ tablas y figuras regenerables.

/preregistration/ hipótesis, umbrales, plan de análisis congelado antes de F3.

 

 

9. Predicciones falsables (primera iteración)

 

No monotonicidad de BHP vs. familiaridad. BHP_A seguirá una curva invertida-U: estrato medio > alto y bajo, con diferencia ≥ 5 pp entre medio y alto (contrasta con lectura lineal de la literatura). Falsación: monotonicidad creciente o decreciente significativa.

Ortogonalidad débil. |ρ_Spearman| entre BHP y PRLA < 0.3 a nivel entidad. Falsación: |ρ| ≥ 0.5 → los ejes colapsan y el ICB pierde sentido.

PRLA domina en entidades con evento reciente. PRLA_Rec será ≥ 2× mayor en entidades con rebranding/M&A reciente que en estables, controlando familiaridad. Falsación: diferencia < 20%.

Consultas regulatorias amplifican BHP más que factuales. Replicar ≥ +10 pp de BHP_A en regulatorias vs. factuales, consistente en ≥ 3 plataformas. Falsación: efecto < 5 pp o dependiente de plataforma.

Perfil 2D predice volatilidad mejor que menciones. Mejora ≥ 0.10 en R2R2 out-of-sample de la volatilidad mes a mes. Falsación: mejora < 0.05 → la crítica a métricas agregadas no se sostiene empíricamente en esta muestra.

 

 

10. Prototipo mínimo vs. programa completo

 

Prototipo factible con recursos limitados (recomendado empezar aquí):

60 entidades (20 por estrato de familiaridad), 2 dominios, 2 geografías.

3 plataformas (OpenAI, Anthropic, Gemini) con RAG propio + modo PARAM.

2 olas (T0, T+1 mes).

Anotación con LLM juez validado + 20% humano.

Foco en predicciones 1, 2 y 4.

Coste estimado: ~3.000–5.000 €, 3 meses.

Requiere infraestructura/datos no públicos:

Ground truth versionado de alta frecuencia para entidades reguladas (requiere acuerdos o acceso a registros).

Modo paramétrico puro en Perplexity (no disponible públicamente) → limita PRLA en esa plataforma.

Log-likelihood interno (no necesario por diseño, pero limitaría un análisis de calibración probabilística).

Corpus de prensa de referencia completo para el proxy de co-citación (licencias).

Lo que el prototipo NO podrá responder: comparabilidad plena entre las 4 plataformas, estimación robusta de vida media de la representación (requiere ≥ 3 olas), y generalización a dominios no cubiertos. Declararlo en el paper como limitaciones de alcance, no como fallos.

 

 

 

Nota final de honestidad metodológica: la mayor amenaza a este programa no es la sofisticación estadística, sino la calidad del ground truth y la separación limpia entre fabricación y obsolescencia en la anotación. Si esa separación falla, BHP y PRLA colapsarán artificialmente y la hipótesis de ortogonalidad será infalsable. Por eso el criterio de parada de F1 es el más importante: no escalar sin rúbrica validada.

El término es sólido si y solo si la separación empírica BHP/PRLA se sostiene (predicción falsable 2: |ρ| < 0.3). Si los ejes colapsan, «calibración» pierde su doble dimensión y EVC se convierte en un sinónimo elegante de groundedness. Por eso conviene adoptar EVC como nombre de la vertical desde el preregistro, pero no institucionalizarlo en publicaciones de terceros hasta tener la evidencia de ortogonalidad de la primera ola. Nombre propio sí; marca consolidada, solo tras validación.

 

 

 

 

Manu Duque
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.

Nunca almacenamos información personal.

Puedes revisar nuestra política en la página de Política de Privacidad, Condiciones de Uso y Cookies.