Es verdad, muchas veces las respuestas de los sistemas de Inteligencia Artificial son cualquiera. En numerosos casos, porque no contempla el contexto de las preguntas. Hay innumerables recomendaciones sobre cómo armar los llamados «prompt», con esquemas complejos. Todos con la promesa de inducir resultados más fiables. En algunos casos, es más complejo ese trabajo previo que una búsqueda a la antigua de la información requerida. Ahora, investigadores de Google dicen que encontraron la manera, simple, muy simple, de evitar devoluciones erróneas, alucinaciones y otras varias pifiadas de las estrellas tecnológicas del momento.
Los tres especialistas –Yaniv Leviathan, Matan Kalman y Yossi Matias– firmaron un artículo que propone sortear las instrucciones complejas y las técnicas con nombres elegantes que suelen recomendar otros expertos. Es bien simple, dicen: lo que mejor funciona es copiar y pegar la pregunta dos veces. Bien elemental, y explican por qué.
Probaron con Gemini, ChatGPT, Claude y DeepSeek. Aseguran que en temas como matemáticas, razonamiento y comprensión lectora la técnica, casi elemental, produjo mejores respuestasa. En un caso, aseguraron, un modelo pasó de 21% de precisión a 97%.
El artículo tiene uno meses: es de diciembre pasado, pero comenzó a circular estos días en redes sociales.
Por qué repetir es mejor
Doble prompt en las consultas a la IA: mucho mejor by Claudio de Moya
La justificación que dio el terceto de Google: las IA leen el mensaje del usuario de una sola vez, de izquierda a derecha, sin poder volver atrás.
Si la pregunta está al final, el sistema procesa todo el contexto anterior sin saber cuál es la consulta. Es como que alguien lea un capítulo entero de un libro y que, después, otro le pregunte cuántas veces aparece una determinada palabra. No hay un norte y ya es tarde.
Por el contrario, si la IA lee la dos veces la secuencia contexto (capítulo a leer)/pregunta, la segunda ya tiene en claro qué buscar.
«Demostramos que repetir las indicaciones mejora de forma consistente el rendimiento del modelo para una variedad de modelos y pruebas comparativas, cuando no se utiliza razonamiento», señalan los investigadores en su paper.
«Además, la latencia ( tiempo que tardan los datos en viajar por la red) no se ve afectada, ya que solo se modifica la etapa de prellenado paralelizable. La repetición de las indicaciones no altera la longitud ni el formato de las salidas generadas, y podría ser una buena opción predeterminada para muchos modelos y tareas cuando no se utiliza razonamiento», agregan.
El rendimiento de esa técnica simple, afirmaron en base a sus pruebas, mejora para todos los modelos analizados. Claro que las mejoras son inferiores para las pruebas de opción múltiple con preguntas primero. Y cuando, en un conjunto más pequeño de pruebas, forzaron el pensamiento paso a paso, no hubo cambios significativos a partir de la duplicación del prompt. Eso, admitieron, «era de esperar».
