Una investigación publicada en PNAS Nexus este junio revela que los modelos de lenguaje más avanzados —GPT-4o, Claude 3.5 Sonnet y sus sucesores— colapsan en su capacidad de resolver instrucciones contradictorias con apenas 40 palabras de contexto, cayendo por debajo del 50% de precisión. No se trata de un fallo de entrenamiento ni de escala, sino de una limitación inscrita en la arquitectura misma de los transformers: carecen del equivalente funcional de las redes frontales del cerebro humano, aquellas que permiten mantener prioridades bajo interferencia. En un momento en que startups de todo
Ecosistema Startup
· Jun 11, 2026
· technology
· 5 min de leitura
High
Apuração: Verificado
LLM Performance Collapses Under Conflicting Instructions, Study Warns
◉
Technology
2607 artigos relacionados
Usuarios de PayPal pueden obtener un año gratis de Perplexity Pro
LA RAZÓN · 99% correspondência
Los 'Siete Magníficos' asiáticos: TSMC, Samsung y compañía dominan mer…
Expansión · 99% correspondência
Anthropic presenta Claude Opus 4.7 con mejoras sustanciales en ingenie…
Digital Trends Español · 99% correspondência
¿Sobrevivirá el teléfono inteligente a la era de la inteligencia artif…
Diario Gestión · 99% correspondência
MANGOS: el nuevo acrónimo de Wall Street que arrasa en la inversión en…
El Economista · 99% correspondência
Cobertura Relacionada
El Confidencial · Aug 25
Samsung Galaxy Z Fold8: el plegable que convence pero no convence al precio de 1.929 euros
Tras siete años probando móviles plegables, el crítico de El Confidencial analiza el nuevo Samsung Galaxy Z Fold8, un di…
Portal Metropolitano · Aug 25 Delta lanza «Gemini» en Dolby Atmos con show en Club SubterráneoLa banda chilena Delta presenta el lanzamiento de su álbum Gemini en formato Dolby Atmos, posicionándose como pionera de…
Bloomberg Línea · Aug 25 Nvidia enfrenta competencia feroz de clientes y rivales en carrera por chips de IANvidia domina el mercado de chips de IA con 90% de participación, pero enfrenta presión de clientes como Amazon y Google…
El Mundo · Aug 24 Google constituye Waymo Iberia en Madrid a la espera de autorización de la DGT para robotaxisGoogle ha creado Waymo Iberia SL en Madrid como filial para operar coches autónomos en España y Portugal, en espera de a…
Viés e Enquadramento
⚖
Article uses alarmist framing ('collapse,' 'severe degradation') to present LLM limitations, emphasizing business risk while lacking nuance on study scope and practical implications.
Bias Direction
center-right
Confidence
MED
Crisis framing with business-risk emphasis. The article positions academic findings as urgent operational threats requiring 'immediate mitigation,' appealing to startup founders' risk aversion. Uses dramatic language ('colapso casi total') and selective emphasis on worst-case scenarios.
colapso de rendimiento (performance collapse)
degradación severa (severe degradation)
limitación arquitectónica fundamental (fundamental architectural limitation)
riesgo operativo (operational risk)
mitigación inmediata (immediate mitigation)
colapso casi total (near-total collapse)
Contextual performance data: accuracy rates in non-conflicting scenarios or real-world applications
Researcher caveats or limitations acknowledged in the original PNAS study
Industry expert commentary on practical significance vs. theoretical concern
Comparison to human performance degradation under similar constraints
Discussion of existing mitigation strategies or workarounds already in use
Counterarguments about task artificiality (Stroop adaptation may not reflect typical LLM use)
Impacto Geopolítico
🌎
Study reveals fundamental LLM architectural limitations under conflicting instructions, not a geopolitical issue requiring international assessment.
Escalation Risk
low
Confidence
HIGH
Lente Econômica
📈
Study reveals leading LLMs (GPT-4o, Claude 3.5) experience severe performance collapse below 50% accuracy when resolving conflicting instructions in short contexts, exposing fundamental transformer architecture limitations with significant implications for enterprise AI deployment.
Market Signal
bearish
Confidence
HIGH
Artificial Intelligence/Machine Learning
Enterprise Software/SaaS
Legal Technology
Document Management
Customer Support/Automation
Business Process Outsourcing
Consulting Services
Consumers and businesses relying on LLM-powered applications for document review, legal analysis, customer support, and complex decision-making face reliability risks. Enterprise customers may experience degraded service quality in AI systems handling nuanced instructions with conflicting parameters, potentially requiring human oversight and increasing operational costs.
Regulatory bodies may require transparency disclosures about LLM limitations in high-stakes applications (legal, financial, healthcare). Enterprise AI governance frameworks will likely mandate human-in-the-loop validation for conflict resolution tasks. Standards bodies may establish baseline performance requirements for LLM deployment in critical business processes.