Los artículos de investigación necesitan archivos de afirmaciones legibles por agentes

El 15 de mayo de 2026, Arquimedes Canedo propuso paper.json: un archivo JSON complementario que permite que un artículo de investigación exponga junto al PDF identificadores estables de afirmaciones, límites explícitos de alcance, comandos de reproducción por figura e identificadores estables de definiciones.¹

Ese archivo pequeño señala un problema grande.

Los agentes de investigación ya leen artículos, extraen afirmaciones, citan fuentes, reproducen figuras, generan trabajos derivados y resumen alcances.¹ La prosa sigue siendo útil para los lectores humanos. Pero la prosa por sí sola deja demasiado margen para que los agentes citen una subafirmación equivocada, generalicen más allá de la evidencia, inventen comandos de reproducción o reconstruyan una definición de memoria.

Los artículos de investigación necesitan archivos de afirmaciones legibles por agentes. Un artículo debería darles a los agentes una superficie estructurada para saber qué afirma, qué no afirma, cómo funcionan sus términos clave y cómo se conecta la evidencia con las figuras y el código.

Resumen rápido

Los archivos de afirmaciones legibles por agentes convierten un artículo que solo tiene prosa en un artículo con una superficie de evidencia direccionable. El PDF sigue siendo el objeto para humanos. El archivo de afirmaciones les da a los agentes identificadores estables, límites de alcance, definiciones y comandos de reproducción.

La propuesta de paper.json defiende esa idea con un esquema concreto y un repositorio de ejemplo. El borrador describe cinco convenciones: identificadores estables de afirmaciones, una lista explícita de lo que no se afirma, comandos de shell exactos por figura, cumplimiento mínimo viable mediante un único archivo JSON escrito a mano e identificadores estables de definiciones.¹ El repositorio complementario incluye paper.json, schema.json, validator.py, resolve.py, el PDF y la fuente en Typst.²

El ecosistema más amplio de investigación con agentes apunta en la misma dirección. Argus trata la investigación profunda como ensamblaje de evidencia, no como búsqueda paralela por fuerza bruta.³ ACDL les da a los contextos de agentes un lenguaje formal de descripción.⁴ La investigación sobre exploración muestra que los agentes necesitan puntos de control verificables antes de actuar.⁵ El trabajo sobre arquitecturas diseñadas por agentes eleva la exigencia de reproducibilidad a nivel de artículo cuando los agentes generan afirmaciones científicas.⁶

La regla práctica: publica la prosa para humanos y el archivo de afirmaciones para agentes.

Ideas clave

Para autores de artículos: - Agrega identificadores estables para afirmaciones, definiciones, teoremas, figuras y trabajo futuro. - Escribe los límites de alcance como campos de primera clase, no como prosa defensiva escondida cerca del final.

Para revisores: - Verifica si las afirmaciones legibles por máquina coinciden con el artículo, no solo si el esquema es válido. - Trata los archivos de afirmaciones desactualizados o exagerados como defectos con riesgo de cita.

Para quienes construyen agentes de investigación: - Obtén el archivo de afirmaciones antes de resumir, citar, reproducir o construir sobre un artículo. - Cita identificadores de afirmación y de definición cuando una tarea dependa del alcance exacto.

Para revistas y repositorios: - Acepta un archivo de baja fricción junto al PDF antes de pedirles a los autores que adopten una plataforma completa. - Valida la estructura automáticamente y deja la revisión semántica a humanos y agentes especializados.

¿Por qué fallan los artículos en prosa frente a los agentes de investigación?

La prosa académica comprime evidencia en una narrativa.

Esa narrativa ayuda a los humanos. Un lector cuidadoso puede seguir matices, comparar secciones, inferir qué resultado respalda cada afirmación y notar dónde termina el alcance del artículo. Los agentes suelen procesar los artículos de otra manera: escanean, fragmentan, recuperan, citan, resumen y componen nuevos artefactos con límites de tiempo y contexto.

Eso produce fallas previsibles.

Canedo nombra varias de esas fallas de forma directa: las subafirmaciones no tienen identificadores de cita dentro del artículo, la ampliación indebida del alcance pasa a través de resúmenes en prosa y los comandos de figuras suelen quedar fuera del artículo, en repositorios de código.¹

La solución no exige reemplazar el artículo. Exige agregar una interfaz que vuelva más fáciles de direccionar las afirmaciones del artículo.

¿Qué debería contener un archivo de afirmaciones?

Un archivo de afirmaciones legible por agentes debería exponer las piezas que los agentes malinterpretan con más frecuencia.

El ejemplo desarrollado de paper.json incluye una versión de borrador, URL del repositorio, metadatos de autores, resumen, afirmaciones, exclusiones de alcance, comandos de reproducibilidad y validación respaldada por esquema.² Su esquema exige campos centrales como id, title, version, status, authors, abstract, claims, does_not_claim y reproducibility.²

La estructura no prueba la verdad. La estructura hace que la verdad sea revisable.

Esa distinción importa. El archivo paper.json dice explícitamente que un validador aprobado no puede demostrar corrección semántica, completitud ni calidad de reproducción de figuras.² Un archivo de afirmaciones desactualizado puede hacer más daño que no tener ninguno, porque los agentes pueden confiar en un campo ordenado por encima de una prosa más ambigua.

Por eso el estándar necesita dos capas:

1. Validación estructural: ¿el archivo se puede analizar, contiene los campos requeridos y conserva los identificadores declarados?
2. Revisión semántica: ¿el archivo representa fielmente el artículo?

Los autores pueden automatizar la primera capa. Los revisores deben hacerse cargo de la segunda.

¿Por qué importan los identificadores estables de afirmaciones?

Los agentes citan de forma demasiado amplia cuando la única unidad direccionable es el artículo completo.

Un artículo puede contener una afirmación sobre el método, una afirmación de evaluación, una afirmación de limitación, una afirmación de benchmark y una afirmación de trabajo futuro. Un lector humano puede citar el artículo y explicar qué parte importa. Un agente suele convertir esa cita al artículo completo en una ficha vaga de autoridad.

Los identificadores estables de afirmaciones les dan a los agentes un blanco más pequeño.

El borrador de Canedo reporta evidencia piloto sobre recuperación con identificadores de afirmación. En la condición más difícil de recuperación conceptual, los agentes que usaron afirmaciones JSON obtuvieron en promedio 1,20 de 2, mientras que los agentes que buscaron en la prosa obtuvieron 0,60 de 2.² El artículo presenta ese resultado como evidencia piloto, no como una prueba a escala.²

Esa cautela mejora la propuesta. El punto no depende de fingir que el primer piloto resolvió el campo. El punto es pedirles a los autores que creen un mejor objeto de revisión.

Los identificadores de afirmaciones les permiten a los revisores hacer preguntas más precisas:

• ¿El agente citó C1 o todo el artículo?
• ¿El resumen conservó el calificador de C2?
• ¿El sistema posterior se basó en C3 sin verificar el comando?
• ¿El agente confundió un identificador de definición con una afirmación de resultado?

Esas preguntas son mejores que “¿el resumen sonaba correcto?”.

¿Por qué los límites de alcance necesitan su propio campo?

Los agentes suelen exagerar los artículos porque las limitaciones quedan escondidas en la prosa.

Un artículo puede decir que su benchmark cubre cinco tareas, que su método necesita un entorno específico o que su resultado no se generaliza más allá de una configuración controlada. Un lector humano puede retener ese matiz. Un resumen de agente puede perder el calificador después de una reescritura.

Un campo explícito does_not_claim[] vuelve visibles los límites de alcance antes de la reutilización.

La propuesta de paper.json enumera varias exclusiones para su propio trabajo. No afirma que C1, C2 o C3 estén probadas, no afirma que el validador garantice corrección semántica, no afirma que la convención resuelva la lectura por agentes y no afirma compatibilidad con todos los estándares de metadatos académicos.²

Esa lista les da a los agentes algo útil: límites que pueden citar.

Los campos de alcance también ayudan a los evaluadores. Si un resumen de agente dice “paper.json demuestra que los identificadores de afirmaciones mejoran la precisión de las citas de agentes”, el evaluador puede comparar la oración con el campo does_not_claim[] y marcar el exceso. Sin un campo, el evaluador tiene que inferir el alcance desde la prosa.

¿Por qué los comandos de figuras deberían estar junto a las afirmaciones?

La reproducción suele fallar en el límite del comando.

Muchos artículos apuntan a un repositorio. El comando exacto de una figura puede vivir en un script, un objetivo de Make, un notebook, una nota del README o en ningún lugar evidente. Un agente puede buscar en el repositorio y armar un comando que parezca plausible. Los comandos plausibles generan una confianza peligrosa cuando nunca se ejecutaron.

Un archivo de afirmaciones legible por agentes debería listar directamente los comandos de reproducción.

El ejemplo desarrollado de paper.json incluye comandos para generar el validador, validar paper.json contra paper.typ y compilar el artículo en Typst como PDF.² El borrador de Canedo reporta evidencia piloto de que los comandos de reproducción provistos por JSON mejoraron la recuperación de comandos de figuras frente a secciones de métodos en prosa que apuntan a un repositorio.²

El campo de comandos debería mantenerse modesto:

Los agentes no deberían tratar un campo de comando como éxito. El campo de comando les da un objetivo que ejecutar, registrar y reportar.

¿Dónde encajan las definiciones?

Las definiciones pueden causar más daño que las afirmaciones.

Una afirmación equivocada suele fallar en una oración. Una definición equivocada contamina todas las oraciones posteriores que usan el término. Los agentes que reconstruyen definiciones desde la prosa pueden crear un vocabulario que suena interno al artículo mientras se aleja del significado que quiso darle el autor.

Los identificadores estables de definiciones reducen ese riesgo.

La quinta convención de Canedo da identificadores estables a las definiciones, y el borrador sostiene que las definiciones escritas por los autores deberían prevalecer sobre las reconstruidas por agentes para usos posteriores.¹ El resolvedor del repositorio admite fragmentos como #C1, #D1, #T1 y #F1, y mapea identificadores a afirmaciones, definiciones, teoremas y elementos de trabajo futuro.²

Ese mecanismo importa para los sistemas posteriores.

Los archivos de afirmaciones deberían volver direccionables los términos. Los agentes deberían citar o resolver definiciones antes de aplicarlas.

¿Cómo deberían usar los agentes de investigación los archivos de afirmaciones?

Los agentes necesitan un protocolo de lectura.

Antes de resumir o citar un artículo, un agente de investigación debería:

1. Obtener el archivo de afirmaciones del artículo cuando esté disponible.
2. Validar la estructura del archivo.
3. Resolver la afirmación, definición, figura, teorema o identificador de trabajo futuro solicitado.
4. Comparar el elemento resuelto con el PDF cuando la tarea tenga consecuencias reales.
5. Conservar los límites de alcance en cada resumen.
6. Ejecutar comandos de reproducción solo dentro de un entorno aislado apropiado.
7. Reportar salida de comandos, archivos faltantes y comprobaciones fallidas como evidencia.
8. Recurrir a la prosa solo cuando el archivo de afirmaciones no tenga el elemento necesario.

Ese protocolo debería producir un paquete de revisión:

El objetivo no es generar más papeleo. El objetivo es reducir las citas sin respaldo.

¿Cómo apunta en la misma dirección el ecosistema más amplio de investigación con agentes?

La investigación reciente sobre agentes vuelve una y otra vez al mismo tema: los agentes necesitan superficies de evidencia estructuradas, no más fluidez sin fundamento.

Argus trata la investigación profunda como ensamblaje de evidencia. El sistema usa un Searcher y un Navigator; el Navigator rastrea un grafo compartido de evidencia y dirige el trabajo de búsqueda hacia piezas de evidencia faltantes.³ Ese diseño refuerza la necesidad de que los artículos expongan piezas de evidencia que los agentes puedan ensamblar.

ACDL se enfoca en descripciones de contexto. Los autores sostienen que los sistemas de agentes necesitan un lenguaje preciso y legible para describir cómo evolucionan las instrucciones y el historial de interacción a través de los pasos.⁴ Los archivos de afirmaciones hacen un trabajo paralelo en la capa del artículo: describen cómo deben entrar al contexto del agente las afirmaciones, definiciones y comandos del artículo.

La investigación sobre exploración agrega otro ángulo. “Look Before You Leap” introduce Exploration Checkpoint Coverage, una métrica verificable para saber si un agente descubre estados, objetos y posibilidades clave antes de actuar.⁵ Los agentes de investigación necesitan la misma disciplina antes de citar o reutilizar un artículo. Deben descubrir afirmaciones, definiciones, límites y comandos antes de actuar.

AIRA eleva la exigencia. El artículo sobre AIRA-Compose y AIRA-Design reporta una búsqueda multiagente de arquitecturas que propone nuevas arquitecturas de modelos fundacionales y mejoras posteriores frente a líneas base.⁶ Si los agentes pueden generar afirmaciones de diseño científico, los artículos que describen esas afirmaciones necesitan límites y mecanismos de reproducción legibles por máquina.

ARIS nombra una falla que encaja con toda la categoría: los agentes de investigación de larga duración pueden producir éxitos plausibles sin respaldo cuando el soporte de evidencia queda incompleto, mal reportado o heredado del encuadre del ejecutor.⁷ Los archivos de afirmaciones les dejan a los agentes de investigación menos espacio para heredar encuadres sin respaldo desde la prosa sola.

El patrón es consistente. Los agentes de investigación serios necesitan objetos explícitos de evidencia.

¿Qué pueden publicar los autores ahora?

Los autores no necesitan la aprobación de una revista para empezar.

La primera versión puede vivir junto al artículo:

{
  "id": "my-paper",
  "title": "My Paper Title",
  "version": "0.1.0",
  "status": "draft",
  "repository": "https://github.com/example/my-paper",
  "claims": [
    {
      "id": "C1",
      "statement": "The method improves retrieval accuracy on benchmark X under condition Y.",
      "evidence": ["figure-2", "table-1"]
    }
  ],
  "does_not_claim": [
    "The method improves retrieval accuracy outside benchmark X."
  ],
  "definitions": [
    {
      "id": "D1",
      "term": "retrieval accuracy",
      "definition": "The percentage of queries whose top-ranked result matches the labeled answer."
    }
  ],
  "reproducibility": {
    "environment": "Python 3.11",
    "commands": ["python scripts/reproduce_figure_2.py"]
  }
}

El primer archivo debería responder cinco preguntas:

1. ¿Qué afirmaciones exactas pueden citar los agentes?
2. ¿Qué afirmaciones deberían negarse a inferir los agentes?
3. ¿Qué definiciones deben permanecer estables?
4. ¿Qué comandos reproducen la evidencia?
5. ¿Qué versión de la superficie de afirmaciones leyó el agente?

Ese mínimo les da a los agentes un punto de partida más seguro. También les da a los revisores una diferencia concreta cuando el artículo cambia.

¿Qué deberían revisar los revisores y las plataformas?

Los revisores no deberían aprobar automáticamente un archivo JSON válido.

Deben comparar el archivo con el artículo.

Las plataformas pueden automatizar parte de ese trabajo.

Pueden revisar la sintaxis de JSON, los campos requeridos, el formato de identificadores, identificadores duplicados, referencias faltantes, accesibilidad de URLs, presencia de comandos y metadatos de versión. También pueden pedirle a un agente que compare el archivo de afirmaciones con la prosa y produzca un paquete de revisión para humanos.

La revisión humana sigue decidiendo el significado. La automatización solo vuelve visible el desvío.

¿Qué debería rechazar el estándar?

Los archivos de afirmaciones legibles por agentes deberían ser lo suficientemente pequeños para adoptarse y lo suficientemente estrictos para importar.

Rechaza tres tentaciones.

Primero, rechaza la dependencia de plataforma. Un archivo junto al PDF vale más que una plataforma nueva que ningún autor adopta. El borrador de Canedo sostiene que el cumplimiento mínimo viable debería exigir un único archivo JSON escrito a mano, no herramientas nuevas ni registro en una plataforma.¹

Segundo, rechaza la certeza falsa. Un esquema puede validar la forma. No puede probar la verdad semántica. Los archivos de afirmaciones deberían decir qué prueban, qué no prueban y cómo pueden revisar los evaluadores cualquier desvío.

Tercero, rechaza la estrategia oculta. Los agentes necesitan identificadores de evidencia, no instrucciones privadas de los autores. Un archivo público de afirmaciones debería exponer afirmaciones, definiciones, límites y comandos. No debería exponer notas privadas de revisión por pares, rúbricas de evaluación ocultas, credenciales ni rutas de datos no publicados.

Los buenos estándares reducen la ambigüedad sin exigir confianza en maquinaria secreta.

El estándar valioso

El artículo valioso no solo persuade a un lector humano. Les da a futuros lectores, agentes, revisores y constructores una forma de reutilizar el trabajo sin estirarlo más allá de lo que sostiene.

Un archivo de afirmaciones legible por agentes debería hacer que el artículo sea más confiable al volver más fáciles de inspeccionar sus límites.

El estándar es simple:

• Dale una dirección a cada afirmación importante.
• Dale un campo a cada límite de alcance.
• Dale un identificador estable a cada definición clave.
• Dale un comando exacto a cada figura reproducida.
• Dale a cada agente una razón para citar el artículo de manera precisa.

Los agentes de investigación seguirán leyendo artículos. Los autores pueden dejarlos extraer información de la prosa, o pueden darles una superficie construida para la evidencia.

El segundo camino produce mejores citas, resúmenes más seguros y menos afirmaciones plausibles sin un ancla confiable.

Resumen breve

Los artículos de investigación necesitan archivos de afirmaciones legibles por agentes porque los agentes ya resumen, citan, prueban y reutilizan trabajo académico. La prosa por sí sola deja demasiado margen para que los agentes citen artículos completos en vez de subafirmaciones, exageren el alcance, inventen comandos o se desvíen en las definiciones.

paper.json ofrece un punto de partida práctico: identificadores estables de afirmaciones, exclusiones explícitas de alcance, comandos por figura, adopción mínima viable mediante un único archivo JSON e identificadores estables de definiciones.¹ Su repositorio de ejemplo agrega validación de esquema, un resolvedor y un archivo de ejemplo concreto.²

La mejor primera versión es pequeña: afirmaciones, no afirmaciones, definiciones, comandos de reproducción, metadatos de versión y un enlace al repositorio. El archivo no debería reemplazar el artículo. Debería hacer que el artículo sea más seguro de leer para los agentes.

Preguntas frecuentes

¿Qué es un archivo de afirmaciones legible por agentes?

Un archivo de afirmaciones legible por agentes es un archivo estructurado junto a un artículo que expone afirmaciones, límites de alcance, definiciones, comandos de reproducción y metadatos relacionados en un formato que los agentes pueden recuperar y citar.

¿paper.json reemplaza el PDF?

No. El PDF sigue siendo el artículo legible por humanos. El archivo de afirmaciones les da a los agentes una superficie de evidencia direccionable para que puedan citar y probar las afirmaciones del artículo con más seguridad.

¿Qué problema intenta resolver paper.json?

paper.json apunta a fallas recurrentes de lectura por agentes: citas de subafirmaciones equivocadas, ampliación excesiva del alcance, comandos de figuras ocultos y definiciones inestables.¹

¿Un esquema aprobado demuestra que el archivo de afirmaciones es correcto?

No. Un esquema puede validar campos requeridos, identificadores y estructura. La revisión humana o de agentes especializados todavía debe comprobar si el archivo de afirmaciones representa fielmente el artículo.

¿Qué deberían incluir primero los autores?

Los autores deberían empezar con identificadores estables de afirmaciones, una sección does_not_claim[], definiciones estables, comandos exactos de reproducción, una URL del repositorio y una versión para el archivo de afirmaciones.

Referencias