Nos complace anunciar que «EditLens», nuestro último artículo técnico, ha sido revisado por pares y aceptado para su publicación en ICLR 2026, considerado por muchos como uno de los principales foros de investigación en inteligencia artificial y aprendizaje automático.
Hemos descrito EditLens en una entrada del blog técnico, y los suscriptores de pago de Pangram también están utilizando activamente esta tecnología, ya que constituye la base de Pangram 3.0.
Esto convierte a Pangram en la primera y única empresa comercial dedicada a la detección de IA que publica en una importante revista especializada en aprendizaje automático.
Además de poner EditLens a disposición de los suscriptores de pago de Pangram, también utilizamos EditLens en colaboración con el propio comité organizador de la ICLR para identificar manuscritos y revisiones por pares generados por IA. Este caso práctico ha tenido una amplia cobertura mediática, sobre todo en Nature News y, más recientemente, en The Atlantic.
Nos hemos vuelto virales en X al poner nuestra tecnología a disposición de cualquier usuario de X a través de un bot de Twitter para que pueda preguntar a @pangramlabs: «¿Esto lo ha generado la IA?».
Lo más importante para nosotros es que hemos suscitado un gran debate en la comunidad sobre los residuos de IA no deseados y qué se puede hacer al respecto.
Para que la gente se tome en serio nuestros resultados y nuestro trabajo, debemos ser abiertos y transparentes sobre lo que hacemos y sobre cómo nuestro modelo es capaz de alcanzar un alto nivel de precisión en la tarea de detección de texto generado por IA.
También es importante que, a medida que Pangram se vaya imponiendo como estándar para la detección responsable de la IA, las investigaciones que se basen en los resultados de Pangram cuenten con una base sólida sobre la que apoyarse. Por eso no pretendemos tener una «fórmula secreta» ni una caja negra mágica capaz de detectar la IA: nuestro producto se basa en una investigación científica sostenible que la comunidad de la IA puede replicar, estudiar y desarrollar.
En los próximos días, tenemos previsto publicar en código abierto una versión reducida del modelo EditLens para la comunidad investigadora. Todavía estamos debatiendo internamente cuál es la mejor manera de implementar el modelo de forma responsable y ética, exclusivamente con fines de investigación, de modo que su elevada tasa de falsos positivos no afecte negativamente a los estudiantes.
La investigación rigurosa y transparente es la base de la tecnología de Pangram, y esperamos seguir publicando y colaborando activamente con la comunidad de IA en este ámbito.
EditLens tuvo un significado especial para nosotros, ya que supuso la culminación de las exitosas prácticas de investigación de verano de Katherine Thaien Pangram, que constituyeron el capítulo final de su defensa de tesis doctoral antes de incorporarse a nuestro equipo a tiempo completo como investigadora fundadora en inteligencia artificial.
Hablamos con Katherine sobre lo que significaba para ella el proyecto:
«EditLens es un proyecto muy especial para mí porque, mientras trabajaba en él, me motivaba el deseo de aumentar la transparencia para los autores de todo tipo de textos, pero no sabía si al final tendría algún impacto. Es muy poco habitual que, nada más lanzarse un proyecto, se ponga a prueba de forma tan natural y pública. Me emocionó mucho ver que muchos autores y revisores interactuaran con el panel de control de ICLR Pangram, y que la mayoría respondiera de forma positiva. Probablemente, lo que más orgullo me da son las respuestas que recibimos de mis revisores no angloparlantes nativos, quienes señalaron que EditLens no marcó erróneamente sus revisiones suavizadas o traducidas por modelos de lenguaje grande (LLM)».
Estaremos en Río de Janeiro para presentar nuestra ponencia en la conferencia de abril, ¡así que no dudes en pasarte a saludarnos! Siempre estamos buscando colaboradores con talento, investigadores y becarios que quieran unirse a nuestro equipo en expansión. ¡Ponte en contacto con nosotros si te interesa!

Bradley es investigador en inteligencia artificial y experto en el desarrollo de productos de aprendizaje profundo para el sector industrial. Recientemente ha dirigido el grupo de investigación en aprendizaje profundo de Absci, una empresa dedicada al descubrimiento de fármacos mediante IA generativa, y anteriormente formó parte del equipo principal de visión artificial de Tesla Autopilot.
Durante sus estudios de posgrado, Bradley fue autor de varias publicaciones sobre investigación en aprendizaje profundo en el Stanford Vision Lab. Es licenciado en Física y tiene un máster en Inteligencia Artificial por la Universidad de Stanford. Además de la IA, le apasionan la educación y la filosofía, y es un ávido golfista.






