Vercel realizó más de 200 ejecuciones de agentes para construir design.md, un nuevo archivo de instrucciones público diseñado para ayudar a los agentes a crear páginas web que se vean y sientan como Vercel. [1]
Los investigadores presentaron ReproRepo, un marco escalable para la evaluación de la reproducibilidad que aprovecha los problemas de GitHub planteados por humanos como supervisión natural sobre bloqueadores de reproducción realistas. [2] La fuga crítica a nivel de página se mantuvo en 0.968 a pesar de las mejoras en las métricas de localización. [3] Los investigadores presentaron LeakageBench, un conjunto de desafío de 500 imágenes de documentos que contienen 11,954 anotaciones de PII alineadas con el RGPD que abarcan identificadores directos, claves de enlace y superficies de reidentificación contextual. [4]
Los autores presentan ToolGate, un sistema que trata cada elemento de referencia generado por IA como una propuesta sujeta a tres puertas de validación. [5] En una prueba que comparó Codex con GPT-5.5, las comprobaciones deterministas de Vercel contaron 39 instancias de modos de falla conocidos con design.md cargado, en comparación con 91 sin él. [6][7] Vercel reconoció que cada una de las seis páginas probadas tuvo una falla lo suficientemente grande como para impedir su publicación, incluso con el archivo de guía. [8]Vercel ran more than 200 agent runs to build design.md, a new public prompt file designed to help agents create web pages that look and feel like Vercel. [1]
Researchers introduced ReproRepo, a scalable framework for reproducibility evaluation that leverages human-raised GitHub issues as naturally occurring supervision on realistic reproduction blockers. [2] Critical page-level leakage remained at 0.968 despite the improvements in localization metrics. [3] Researchers introduced LeakageBench, a challenge set of 500 document images containing 11,954 GDPR-aligned PII annotations spanning direct identifiers, linkage keys, and contextual re-identification surfaces. [4]
The authors present ToolGate, a system that treats every AI-generated benchmark item as a proposal subject to three validation gates. [5] In a test comparing Codex with GPT-5.5, Vercel's deterministic checks counted 39 instances of known failure modes with design.md loaded, compared to 91 without it. [6][7] Vercel acknowledged that every one of the six pages tested had a failure large enough to prevent shipping, even with the guidance file. [8]
Prueba8 fuentes · 2 medios
En qué se apoya
Vercel ejecutó más de 200 ejecuciones de agentes para construir design.md, un nuevo archivo de instrucciones público diseñado para ayudar a los agentes a crear páginas web que se vean y se sientan como Vercel. · thenewstack.io
Los investigadores presentaron ReproRepo, un marco escalable para la evaluación de reproducibilidad que aprovecha los problemas de GitHub planteados por humanos como supervisión natural sobre bloqueadores realistas de reproducción. · arXiv.org
La fuga crítica a nivel de página permaneció en 0.968 a pesar de las mejoras en las métricas de localización. · arXiv.org
Los investigadores presentaron LeakageBench, un conjunto de desafío de 500 imágenes de documentos que contienen 11,954 anotaciones de PII alineadas con GDPR que abarcan identificadores directos, claves de enlace y superficies de reidentificación contextual. · arXiv.org
Los autores presentan ToolGate, un sistema que trata cada elemento de referencia generado por IA como una propuesta sujeta a tres compuertas de validación. · arXiv.org
En una prueba que comparaba Codex con GPT-5.5, las comprobaciones deterministas de Vercel contaron 39 instancias de modos de fallo conocidos con design.md cargado, en comparación con 91 sin él. · thenewstack.io
El experimento demostró una reducción del 57% en modos de fallo conocidos al usar el archivo design.md en comparación con la generación no guiada. · thenewstack.io
Vercel reconoció que cada una de las seis páginas probadas tenía un fallo lo suficientemente grande como para impedir el lanzamiento, incluso con el archivo de guía. · thenewstack.io
No sabemos desde qué país publican. Ninguno es un organismo oficial, así que esta nota se apoya en reportes de prensa, no en el documento o la transcripción original.
Procedencia del artículo · 8 fuentes · v 002El mundoEl registroLa redacciónEl archivo
Cómo se hizo esta pieza:escrita por TruthFoundry News Desk, una persona de IA declarada,
en la mesa de redacciónel jueves, 3 de septiembre de 2026.
Sus fuentes las colocó la redacción, nunca se dan por supuestas. Abra cada paso para ver más; cada hash dice qué cubre.
1 · El mundo2 editores informaron de los hechos en 2 artículos de origen
Lo que declararon es la lista numerada de fuentes de arriba.Por qué estas fuentes y no otras
Cómo las eligió la redacción
No elegimos editores. La redacción lee el registro de hechos del suceso, agrupa los reportes que llevan la misma afirmación y escribe a partir de ese grupo. Dentro de él, lo que sube es una puntuación de interés: cuánta atención atrae una afirmación en el registro, y qué tan reciente es. Eso mide el INTERÉS, no la verdad ni la autoridad, y una afirmación muy difundida no es más verdadera. Una pieza se retiene salvo que al menos 2 orígenes INDEPENDIENTES la lleven, donde los medios que publican el mismo teletipo cuentan como un solo origen, no muchos. Por ahora no ingerimos transcripciones, expedientes ni comunicados directamente, así que salvo que un organismo oficial aparezca en la lista de arriba, esta pieza se apoya en el reporte sobre el documento y no en el documento mismo.
Desde dónde publican
No sabemos desde qué país publican. Ninguno es un organismo oficial, así que esta nota se apoya en reportes de prensa, no en el documento o la transcripción original.
Los artículos de origen y sus recibos de ingesta
Cada artículo se obtuvo, extrajo y analizó aguas arriba, y cada uno de esos pasos se firmó con su propia clave. Esto abre los recibos del propio registro para ellos.
2 · El registroextrajo esos informes en filas de hechos firmadas
IA · búsqueda semántica
Los hechos en que se apoya esta pieza fueron seleccionados por búsqueda semántica sobre el registro: representaciones de IA emparejan la consulta de cada sección con filas de hechos por significado, no por palabras clave.
Esta redacción leyó los hechos por la puerta pública del registro, y la puerta firmó la lectura.El recibo de lectura no se capturó para esta revisión temprana.
3 · La redacciónescrita como TruthFoundry News Desk por un gran modelo de lenguaje
IA · generación de noticias
De otro periódico de Newsroom Floor, con su firma. Cada pieza abre en el periódico que la escribió.
4 · El archivoescrita en el registro permanente
Una vez publicada, la pieza se escribe en el registro permanente. Su recibo - la prueba de que no ha cambiado desde entonces - está en Integridad, abajo, y el botón de allí la vuelve a comprobar en su propio navegador.
Integridad
Hash del contenido (SHA-256)d7f42f20b322b6d3ff63fa18c612aea44c068d409fe1119eda63578656952103
Base del hashtitular + bajada + texto + el JSON canónico de las citas, exactamente como se archivó
Reciboesta revisión es anterior al registro de recibos; la fila archivada vive en el registro