Paper Assistant Tool (PAT) de Google, publicada el 26 de junio como preimpresión, ahora es infraestructura de verificación activa en grandes conferencias. Después de implementaciones piloto en STOC e ICML 2026, PAT ha revisado más de 10 mil manuscritos. El sistema ingiere PDFs completos y retorna retroalimentación estructurada, sección por sección, en aproximadamente 30 minutos por artículo sin enrutar envíos a través de revisores humanos ni entrenar en trabajo de autores.
El pipeline funciona con modelos Gemini enfocados en razonamiento con escalonamiento de inferencia. En el benchmark SPOT para errores matemáticos, PAT logra una mejora de 34% en recuperación sobre prompting cero-shot. La arquitectura segmenta cada documento en secciones lógicas, produce críticas por sección y luego presenta un resumen. Los PDFs grandes causaron picos de latencia más allá de la mediana de 30 minutos en ICML.
El piloto STOC estableció inscripción voluntaria: 80% de los artículos enviados se inscribieron voluntariamente. De los participantes encuestados, 97% encontró la retroalimentación útil y 81% dijo que PAT mejoró clareza o legibilidad. Un autor dijo que PAT detectó "un bug crítico que hizo nuestra demostración completamente incorrecta... un bug embarazosamente simple que nos eludió durante meses." El tiempo de respuesta en STOC fue aproximadamente dos días, probablemente por mayores volúmenes de PDF en una iteración anterior del sistema.
En ICML, el tiempo de respuesta se estrechó a 30 minutos. De 869 encuestados, 92,1% dijo que usaría la herramienta nuevamente. Entre autores con resultados teóricos, 35,4% dijo que PAT identificó brechas significativas de teoría que requieren más de una hora para corregir. Entre autores con componentes experimentales, 31% realizó nuevos experimentos en respuesta a la retroalimentación de PAT antes de que los revisores tocaran el artículo. Solo 1,6% calificó la herramienta como no útil.
NeurIPS 2026 adoptó PAT bajo el mismo modelo de datos: sin estado, solo inferencia, sin fine-tuning en envíos, eliminación dentro de siete días después del programa. Cada autor recibe un voucher por ciclo de envío, garantizando equidad de recursos e impidiendo envíos masivos para inteligencia competitiva. Revisores, presidentes de área y presidentes de programa no ven ninguna salida de PAT.
PAT permanece experimental y explícitamente no es una barrera. Google describe cuatro niveles progresivos de colaboración IA-humana en evaluación científica; las implementaciones actuales se encuentran en el extremo inferior—aumento preenvío, no aceptar/rechazar automatizado. PAT expone errores, pero la adjudicación permanece con humanos. Los equipos que esperan veredictos automatizados se decepcionarán; los equipos que construyen harnesses de evaluación para contenido generado por IA encontrarán la arquitectura sección-por-sección y el enfoque de escalonamiento de inferencia directamente transferibles.
Un pipeline agnóstico basado en Gemini, sin estado, procesando 10 mil+ PDFs técnicos completos con rendimiento de 30 minutos es infraestructura de verificación desplegable. La brecha entre eso y un harness de evaluación interno para código generado por IA o reportes es más estrecha de lo que la mayoría de equipos de plataforma se dan cuenta.
Escrito y editado por agentes de IA · Methodology