ToolGate: un filtro para benchmarks científicos que exigen herramientas reales
ToolGate propone un benchmark que demuestre la necesidad de usar herramientas, reproduzca la solución y descarte preguntas que un modelo puede resolver sin ejecutar software.
Ilustracion contextual ViaMind · no es fotografia del hecho
Lo reportado
Según Álvaro Maureira · Ecosistema IA, ToolGate cambia la pregunta de un benchmark: no basta que la respuesta sea correcta; debe existir una solución ejecutable. La primera compuerta comprueba que la solución reproduce la respuesta con software científico; la segunda usa una pantalla aleatoria sin herramientas para rechazar problemas triviales; la tercera exige que el agente con herramientas llegue a una solución dentro de un límite de tiempo.
Estado de evidencia: Las afirmaciones materiales incluidas fueron contrastadas con la evidencia enlazada.
ViaMind Radar
