Resumen: Este artículo sostiene que la revisión por pares asistida por IA debería ser primero una verificación en lugar de una imitación de la revisión. Proponemos el acoplamiento de la verdad, es decir, la precisión con la que las puntuaciones de los lugares siguen la verdad científica latente, como el objetivo correcto para las herramientas de revisión. Formalizamos dos fuerzas que impulsan una transición de fase hacia una evaluación proxy-soberana: la presión de verificación, cuando las reclamaciones superan la capacidad de verificación, y la contracción de la señal, cuando las mejoras reales se vuelven difíciles de separar del ruido. En un modelo mínimo que combina comprobaciones ocasionales de alta fidelidad con juicios indirectos frecuentes, derivamos una ley de acoplamiento explícita y una condición de colapso de incentivos bajo la cual el esfuerzo racional pasa de la búsqueda de la verdad a la optimización indirecta, incluso cuando las decisiones actuales todavía parecen confiables. Estos resultados motivan acciones para los creadores de herramientas y presidentes de programas: implementar la IA como un auditor adversario que genera artefactos de verificación auditables y expande el ancho de banda de verificación efectivo, en lugar de como un predictor de puntaje que amplifica la inflación de las reclamaciones.
Publicado originalmente en export.arxiv.org el 25 de enero de 2026.
Ver fuente original
