PatEx-Gym enseña a agentes de IA a buscar antecedentes de patentes: 1 millón de patentes y un modelo de 4B

La pericia de patentes se considera desde hace tiempo una de las tareas más incómodas para la IA. Hay que encontrar documentos poco frecuentes que refuten la novedad de una solicitud, y hacerlo entre millones de textos de distintas áreas técnicas. Un equipo formado por Qiyao Wang, Xinyi Chen, Hongbo Wang, Jiayuan Lu, Jianhang Li, Minghuan Tan, Yuan Lin y Min Yang ha presentado PatEx-Gym. Se trata del primer entorno en el que un agente recorre todo el camino de un examinador: búsqueda, lectura, razonamiento y conclusión final. El entorno incluye 1.000 tareas realistas, un corpus de más de 1 millón de patentes y 52.000 artículos científicos. El agente de referencia, PatEx-Agent, tiene solo 4.000 millones de parámetros.

Por qué los benchmarks anteriores no reflejaban el trabajo real de un examinador

La mayoría de las pruebas existentes entregan al modelo un conjunto de candidatos ya preparado y limitado. La tarea se reduce a elegir lo adecuado entre lo que ya se muestra. Un examinador real trabaja de otra manera. Formula una consulta, revisa los resultados, abre documentos, se da cuenta de que no buscaba lo correcto y reformula la búsqueda. El resultado se plasma en un Office Action, un dictamen oficial donde la conclusión sobre la novedad debe apoyarse en fuentes concretas.

PatEx-Gym traslada esta lógica a un entorno interactivo. El agente utiliza herramientas de búsqueda, "entra" en los documentos, razona y, al final, genera una conclusión. Los autores califican la tarea como long-horizon: un error cometido en los primeros pasos de la búsqueda ya no se puede corregir después con un texto final bien redactado.

De qué se compone PatEx-Gym

El framework combina tres componentes, construidos sobre cuatro piezas:

• PatEx-Bench: un benchmark con 1.000 tareas de examen realistas, dos grandes corpus de búsqueda (más de 1 millón de patentes y 52.000 artículos científicos) y un entorno ejecutable. El entorno admite búsqueda iterativa, visita de documentos, razonamiento y generación de Office Action.
• PASS (Prior-Art Agentic Search Trajectory Synthesis): un método para sintetizar trayectorias de entrenamiento sin anotación manual. Utiliza las visitas a los documentos como señal implícita de relevancia y como puntos de apoyo para obtener evidencia. A partir de estas señales se modelan tres niveles: el comportamiento de las consultas dentro de un mismo turno, la evolución de la búsqueda entre turnos y la calidad de la evidencia y del resultado a lo largo de toda la trayectoria.
• PatEx-SynData: un conjunto de datos obtenido mediante PASS a partir de trayectorias seleccionadas.
• PatEx-Agent: un agente de 4.000 millones de parámetros entrenado mediante fine-tuning supervisado sobre esas trayectorias. Los autores lo presentan como una variante base ligera.

El recurso a PASS muestra cómo evitar la costosa anotación manual. En lugar de pedir a los expertos que describan el camino de búsqueda correcto, el método toma simplemente qué documentos abrió el agente y lo interpreta como señal de que resultaron útiles.

Qué mostraron los experimentos

La principal conclusión tiene que ver con las métricas: la precisión final de la decisión binaria "hay novedad o no la hay" refleja mal la calidad del examen. Un modelo puede llegar al veredicto correcto sin haber encontrado los documentos clave, y ese dictamen resulta jurídicamente débil. Por eso PatEx-Bench evalúa también el propio proceso, incluida la detección del estado del arte previo.

Esta parte resultó ser la más difícil. Encontrar documentos relevantes poco frecuentes sigue siendo un problema incluso para los modelos frontier más potentes. Al mismo tiempo, PatEx-Agent, con 4.000 millones de parámetros y entrenado con PatEx-SynData, muestra —según afirman los autores— un rendimiento competitivo frente a agentes generalistas considerablemente más grandes. Para una tarea profesional tan específica, es un argumento a favor de los modelos pequeños especializados.

Los autores consideran la pericia de patentes como un terreno de pruebas exigente para la búsqueda agéntica y los agentes de deep research. La tarea combina cadenas de acciones largas, relevancia ambigua y la necesidad de documentar las conclusiones.

A quién le puede servir ya

El código se ha publicado en el repositorio AIforIP/PatEx-Gym, y también existe una página del proyecto. Los equipos que desarrollan agentes de deep research o sistemas de búsqueda sobre literatura técnica disponen ahora de un banco de pruebas con mil tareas y un corpus extenso. Las oficinas de patentes y los despachos de abogados pueden usarlo para comparar herramientas no solo por el veredicto, sino también por la evidencia encontrada. Para los desarrolladores de modelos, lo más valioso es el propio enfoque de PASS: muestra cómo construir datos de entrenamiento para agentes a partir de registros de comportamiento, sin anotación manual.