Estos cinco casos vienen de la batería de pruebas del filtro de cifras que se ejecuta sobre cada respuesta de análisis. No son ilustraciones. Los casos 1, 2 y 4 son frases de las pruebas palabra por palabra, el caso 3 está abreviado y el caso 5 junta varias en una línea. Juntos son la descripción más clara que podemos dar de lo que hace el filtro.
Cada caso muestra la frase que escribió el modelo y la frase que se le deja ver al lector.
Caso 1: una cifra redondeada
El modelo escribió: Alrededor de 800.000 DKK entre 4 usuarios.
Usted ve: Alrededor de … DKK entre … usuarios.
La contabilidad devolvió 812.400 entre 3 usuarios. Ninguno de los dos números de la frase aparece en las filas, así que ninguno sobrevive.
Este caso es la razón de que el filtro exista. La frase no es una mentira. Es un resumen, y es la clase de resumen que escribe un asistente servicial. También se equivoca en el número de usuarios, y nadie que la lea lo comprobaría. Una cifra redondeada, suavizada o mal recordada no es la cifra que se devolvió.
Caso 2: una cifra fundamentada
El modelo escribió: Los ingresos fueron 812.400 DKK, un 12,3 % de 3.901 filas.
Usted ve: Los ingresos fueron 812.400 DKK, un 12,3 % de 3.901 filas.
Cada cifra aparece en las filas que devolvió la consulta, en uno de los formatos en que esas filas se pueden escribir. La frase pasa sin cambios.
Los formatos numéricos difieren entre el español, el danés, el inglés y el alemán. Un filtro que solo reconoce uno de ellos oculta cifras correctas, lo que enseña a la gente a ignorar las ocultaciones. El tratamiento de formatos no es un detalle aquí. Es la diferencia entre un filtro en el que la gente confía y un filtro que la gente aprende a saltarse.
Caso 3: un número que el modelo escribió él mismo
El modelo escribió: El pie decía 777 y la instrucción 555.
Usted ve: El pie decía … y la instrucción ….
Este es el caso sutil. El pie que había encima del bloque lo escribió el modelo, y después el modelo citó su propio pie como prueba de la cifra que puso en su texto.
El texto que redacta el modelo no es prueba. Si lo fuera, cualquier modelo podría fundamentar cualquier número escribiéndolo dos veces. Cuatro cosas pueden fundamentar una cifra: las filas que una herramienta devolvió en este turno, un valor numérico que el modelo envió como entrada de una herramienta, una cifra que el usuario escribió en la pregunta y una cifra que una respuesta anterior ya mostró.
Caso 4: una advertencia con recuentos inventados
El modelo escribió: Solo 500 de 3.901 filas están en este archivo. La exportación está incompleta.
Usted ve: Solo … de … filas están en este archivo. La exportación está incompleta.
El aviso es correcto e importante. Ninguna herramienta devolvió esos recuentos en ese turno, y ni la pregunta ni una respuesta anterior los contenían, así que no sobreviven.
Este caso parece duro y es deliberado. Una advertencia que lleva números inventados es peor que una advertencia sin números, porque el lector actúa según el tamaño del problema. La frase conserva su significado. El lector se entera de que la exportación está incompleta y tiene que preguntar en cuánto.
Caso 5: números que no son cifras, y uno fundamentado
El modelo escribió: Últimos 7 días (3 de septiembre – 10 de septiembre de 2026), después de las 14:30, ticket #3, proyecto PR0017.
Usted ve: Últimos 7 días (3 de septiembre – 10 de septiembre de 2026), después de las 14:30, ticket #3, proyecto PR0017.
Las fechas, los años, las horas, los números de semana, los trimestres, los
marcadores de lista y los identificadores no son cifras, en español, inglés,
danés y alemán. El 7 de «Últimos 7 días» es otra cosa. Es un recuento, y solo
sobrevive porque la consulta se ejecutó con el periodo P7D, una duración ISO
8601 que el modelo envió como entrada de una herramienta. Sin esa entrada, el 7
se sustituiría como cualquier otro recuento.
Un filtro que oculta una fecha no es estricto. Está roto, y vuelve ilegible cualquier respuesta.
Qué tienen en común los cinco casos
| Caso | ¿Sobrevive? | Regla |
|---|---|---|
| Redondeado | No | Una cifra tiene que aparecer en las filas devueltas |
| Fundamentado | Sí | Cualquier formato en que se puedan escribir esas filas |
| El pie del propio modelo | No | El texto escrito por el modelo no es prueba |
| Advertencia con recuentos | En parte | La frase sobrevive, los recuentos inventados no |
| Fechas e identificadores | Sí | No son cifras en ningún idioma; el 7 lo fundamenta P7D |
El recuento de sustituciones viaja con el mensaje. Usted puede ver que una frase se ha cambiado, y cuántas veces.
¿Por qué publicar los casos de prueba?
Porque la afirmación solo se puede comprobar si los casos son públicos.
Cualquier proveedor puede decir que su asistente no inventa cifras. La versión útil de esa afirmación es una lista de frases que el sistema rechaza, incluidas aquellas en las que el rechazo cuesta algo. El caso 4 cuesta algo. Lo publicamos por eso.
Si está evaluando asistentes, lleve estas cinco frases al proveedor y pregunte qué hace su sistema con cada una. Las respuestas diferirán más que las páginas de marketing.
Preguntas y respuestas
- ¿Qué pasa con un número que no devolvió ninguna consulta?
- La plataforma sustituye el número por unos puntos suspensivos y cuenta la sustitución. La frase que rodea al número se queda, así que una advertencia sobrevive aunque sus recuentos no lo hagan.
- ¿Puede un pie escrito por el modelo fundamentar una cifra?
- No. El texto que redacta el modelo no es prueba. Un número que el modelo ha escrito en un pie de tabla no puede fundamentar ese mismo número en su texto.
- ¿Dónde ocurre la verificación?
- La verificación ocurre en el servidor, antes de emitir el texto y antes de guardarlo. Todos los clientes, la base de datos y el propio historial del modelo reciben el texto verificado. Una cifra retenida se guarda aparte, y el lector puede mostrarla, marcada como no verificada.
Fuentes
Comprobamos cada afirmación externa en la fecha indicada. Microsoft cambia el estado de sus funciones entre oleadas de lanzamiento, así que vuelva a consultar la página antes de apoyarse en ella.
- 01FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim VerificationarXiv · Fuentes comprobadas
- 02FAITH: A Framework for Assessing Intrinsic Tabular Hallucinations in FinancearXiv · Fuentes comprobadas