El índice de desajuste del 26%-54% indica que el modelo sabe qué debe hacer pero no puede hacerlo, la brecha entre el conocimiento y la acción es más profunda de lo que se imagina.

Esta investigación sobre interpretabilidad se centra en herramientas de agentes, revelando que aunque el modelo puede identificar cuándo llamar a una herramienta, en la práctica falla en la llamada, con una tasa de error del 26% al 54%.
El problema se concentra en la etapa de conversión del conocimiento a la acción, no en el conocimiento en sí.
Las señales internas pueden ser decodificadas, pero el mecanismo final de tokens en las capas posteriores provoca una rotación de señales, casi ortogonal a la acción.
El estudio busca predecir el efecto de las intervenciones, señalando que atribuciones como instrucciones o entrenamiento insuficiente pueden ignorar la estructura geométrica de las capas posteriores, explicando así el límite de rendimiento en pruebas A/B del uso de herramientas.