Revisión multiinstancia y multipase: por qué la autorrevisión se queda corta

Bienvenidos y bienvenidas a la cápsula ocho del Módulo uno. Hoy vemos el task statement cuatro punto seis: la revisión con varias instancias y varias pasadas.

Primero, la autorrevisión tiene un límite. Un modelo que generó algo conserva en su contexto el razonamiento que lo llevó ahí, y por eso es menos probable que cuestione sus propias decisiones dentro de la misma sesión. Una instancia independiente, sin ese contexto, detecta mejor los problemas sutiles. La guía oficial dice que esto funciona mejor que las instrucciones de autorrevisión y también mejor que el extended thinking. Si el examen ofrece pedirle al mismo agente que revise su código, activar extended thinking o lanzar una segunda instancia de Claude sin el contexto del generador, la respuesta es la instancia independiente.

Segundo, revisar muchos archivos en una sola pasada diluye la atención. El resultado es profundidad despareja, errores obvios que se escapan y hallazgos que se contradicen. La solución son pasadas enfocadas por archivo para los problemas locales, más una pasada de integración para el flujo de datos entre archivos. En la pregunta oficial doce, tres opciones son trampas. Si propones una ventana de contexto más grande, confundes tamaño con calidad de atención. Por su parte, si exiges PR más chicos, trasladas el problema a las personas. Y si corres tres revisiones y te quedas con lo que aparece en dos, suprimes errores reales que se detectan solo a veces.

Tercero, el enrutamiento por confianza, que conecta con el task statement cinco punto cinco. Si la confianza que el modelo informa no está calibrada, entonces no sirve para decidir qué va a una persona. Por su parte, si la calibras contra un conjunto de datos etiquetado y la combinas con señales objetivas, como el campo conflict detected o los campos en nulo, entonces sí puedes enrutar. Y mide la precisión por tipo de documento y por campo, porque una precisión global de noventa y siete por ciento puede esconder un tipo de documento que anda mal. Por eso se revisa cada cierto tiempo una muestra aleatoria estratificada de las extracciones de alta confianza, para confirmar que la automatización se sostiene.

Una pregunta. ¿Revisaría mejor el mismo modelo que escribió el código?

Es menos probable. Conserva el razonamiento con que lo generó y cuestiona menos sus propias decisiones. Una instancia independiente detecta mejor los problemas sutiles.

Pregunta uno. Un astillero usa un agente para redactar el informe técnico del casco de cada nave. Después le pide al mismo agente, en la misma sesión, que lo revise, y no detecta errores que cualquier persona vería. ¿Qué cambio conviene? Opción A: pedirle que revise con más cuidado. Opción B: subir el límite de tokens de la respuesta. Opción C: hacer la revisión con una segunda instancia independiente, sin el contexto de la generación. Opción D: agregar la palabra exhaustivo al prompt de revisión.

La correcta es C. La primera instancia conserva su razonamiento y tiende a confirmar sus propias decisiones. La A y la D le piden más cuidado a quien tiene el mismo punto ciego, y la B no toca la causa.

Pregunta dos, de respuesta múltiple. Elige dos. Un vivero revisa en una sola pasada un informe de doce secciones sobre sus cultivos. Quedan errores sin detectar, la profundidad es despareja y hay comentarios que se contradicen entre secciones. ¿Qué dos medidas ayudan? Opción A: usar un modelo con una ventana de contexto más grande. Opción B: dividir la revisión en una pasada enfocada por sección. Opción C: pedirles a los autores informes más cortos. Opción D: conservar solo lo que aparezca en dos de tres revisiones. Opción E: agregar una pasada de integración para encontrar inconsistencias entre secciones. ¿Cuáles dos?

Las correctas son B y E. La B enfoca la atención en cada parte, y la E revisa lo que ocurre entre las partes. La A confunde el tamaño de la ventana con la calidad de la atención. La C traslada el problema a las personas. La D suprime errores reales que se detectan solo a veces.

Resumen: para revisar, una instancia independiente, y pasadas por archivo más una de integración. Si te sirvió, sigue el podcast, dale cinco estrellas y activa las notificaciones. En la próxima cápsula juntamos todo el módulo en una síntesis. Nos escuchamos en la próxima cápsula de EvoAcademy.