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

El examen de patentes se considera desde hace tiempo una de las tareas más incómodas para la IA. Hay que encontrar documentos poco frecuentes que desmientan la novedad de una solicitud, y hacerlo entre millones de textos de distintos campos técnicos. El equipo formado por Qiyao Wang, Xinyi Chen, Hongbo Wang, Jiayuan Lu, Jianhang Li, Minghuan Tan, Yuan Lin y Min Yang ha presentado PatEx-Gym. Es el primer entorno en el que el agente recorre todo el camino de un examinador: búsqueda, lectura, razonamiento y conclusión final. El entorno incluye 1000 tareas realistas, un corpus de más de 1 millón de patentes y 52 mil artículos científicos. El agente de referencia, PatEx-Agent, tiene solo 4 mil millones de parámetros.

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

La mayoría de las pruebas existentes ofrecen al modelo un conjunto de candidatos ya preparado y limitado. La tarea se reduce a elegir lo adecuado entre lo que se muestra. Un examinador real trabaja de otro modo. Formula una consulta, revisa los resultados, abre documentos, se da cuenta de que buscaba lo equivocado y reformula la búsqueda. El resultado se plasma en un Office Action, el dictamen oficial, en el que la conclusión sobre la novedad debe apoyarse en fuentes concretas.

PatEx-Gym traslada esa lógica a un entorno interactivo. El agente usa herramientas de búsqueda, «entra» en los documentos, razona y, al final, genera el dictamen. Los autores califican la tarea de long-horizon: un error en un paso temprano de la búsqueda ya no se corrige con un texto final bien redactado.

De qué se compone PatEx-Gym

El framework reúne tres componentes y se apoya en cuatro artefactos:

• PatEx-Bench: un benchmark con 1000 tareas realistas de examen, dos grandes corpus de búsqueda (más de 1 millón de patentes y 52 mil 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 búsqueda de entrenamiento sin anotación manual. Usa las visitas a documentos como señal implícita de relevancia y como puntos de anclaje para obtener evidencias. Sobre esas 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 las evidencias y del resultado a lo largo de toda la trayectoria.
• PatEx-SynData: un conjunto de datos obtenido con PASS a partir de trayectorias seleccionadas.
• PatEx-Agent: un agente de 4 mil millones de parámetros, entrenado con supervised fine-tuning sobre esas trayectorias. Los autores lo presentan como una versión base ligera.

El enfoque de PASS muestra cómo prescindir de una costosa anotación manual. En lugar de pedir a los expertos que describan el camino de búsqueda correcto, el método toma el hecho de qué documentos abrió el agente y lo considera un indicio de que eran útiles.

Qué mostraron los experimentos

La principal conclusión afecta a las métricas: la precisión final de la decisión «hay novedad o no» no refleja la calidad del examen. Un modelo puede llegar a un veredicto correcto sin haber encontrado los documentos clave, y una conclusión así está débilmente fundamentada desde el punto de vista jurídico. Por eso PatEx-Bench evalúa también el propio proceso, incluida la detección del estado de la técnica.

Esta parte resultó la más difícil. La búsqueda de documentos relevantes poco frecuentes sigue siendo un problema incluso para los modelos frontier más potentes. Aun así, PatEx-Agent de 4B, tras entrenarse con PatEx-SynData, muestra según los autores un resultado competitivo frente a agentes generalistas considerablemente más grandes. Para una tarea profesional acotada, es un argumento a favor de los modelos pequeños especializados.

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

A quién le sirve ya

El código está publicado en el repositorio AIforIP/PatEx-Gym y existe también una página del proyecto. Los equipos que desarrollan agentes de deep research o buscadores de literatura técnica obtienen un banco de pruebas listo, con mil tareas y un gran corpus. Las oficinas de patentes y los despachos de abogados pueden usarlo para comparar herramientas tanto por el veredicto como por las evidencias encontradas. Para quienes desarrollan modelos, lo valioso es el propio enfoque de PASS: muestra cómo construir datos de entrenamiento para agentes a partir de registros de comportamiento, sin anotación manual.