El equipo Granite de IBM publicó el 12 de noviembre dos versiones preliminares experimentales de LLMON. Abordan una debilidad de los prompts de agentes: instrucciones y datos no fiables suelen llegar como texto indiferenciado. El artículo de lanzamiento presenta modelos derivados de los checkpoints base Granite 4.1 3B y 8B.

LLMON, abreviatura de LLM Object Notation, añade estructura y relaciones explícitas al contexto. El equipo comunica mayor resistencia a inyecciones indirectas manteniendo capacidades generales próximas a los correspondientes Granite Instruct.

La versión se define expresamente como experimental para explorar y evaluar, no para producción. Su comportamiento es aprendido, no impuesto, y los resultados de seguridad se refieren a ataques estáticos.

Bloques con significado sustituyen relaciones implícitas

El contexto de un agente puede contener instrucciones del sistema, turnos previos, documentos recuperados, respuestas de herramientas, requisitos de salida y razonamiento. El texto convencional o JSON puede codificarlos sin que el modelo interprete de manera fiable sus relaciones.

LLMON usa etiquetas significativas rodeadas de delimitadores reservados como tokens especiales. Marca componentes coherentes como bloques separados con identificadores únicos. Un bloque de ejecución nombra la instrucción, sus datos de entrada, los requisitos aplicables y el destino de salida.

Así se hace explícita la dependencia prevista. Un documento puede ser material sobre el que actúa una instrucción sin convertirse en una instrucción. Los turnos y resultados ajenos pueden seguir en el contexto sin vincularse a la tarea actual.

La crítica al JSON se refiere a la interpretación del modelo, no a la corrección del analizador. Comillas y corchetes pueden ser sintaxis o contenido. Un modelo causal debe aprender estadísticamente esa diferencia y seguir el anidamiento a distancia. LLMON separa delimitadores estructurales y vocabulario de contenido, expresando el anidamiento localmente.

El proyecto ofrece herramientas de conversión sin pérdidas entre JSON y LLMON. No exige abandonar JSON como formato de intercambio de las aplicaciones.

Las plantillas de chat siguen identificando a los hablantes

LLMON enriquece las plantillas, sin sustituir su estructura de roles. Los roles estándar indican quién habla; LLMON define el significado de cada componente y sus relaciones.

Los modelos preliminares incluyen su propia plantilla. Las aplicaciones pueden seguir creando una lista messages y llamar a apply_chat_template. Los componentes con nombre admiten un indicador exec: las partes activadas se vinculan al bloque de ejecución, mientras las desactivadas permanecen sin referencias.

El ejemplo del artículo separa una instrucción para escribir sobre IBM, el nombre de la empresa como dato y dos restricciones de salida. El bloque de ejecución conecta esos elementos con un bloque assistant de salida identificado. Un turno convencional aplanado dejaría más relaciones a la inferencia del modelo.

Los identificadores de dos caracteres proceden de un conjunto específico del tokenizador. Según el equipo, direccionar un bloque cuesta dos tokens independientemente del identificador elegido. Los datos estructurados de un componente también pueden convertirse en bloques tipados y direccionables, en lugar de una cadena opaca.

Los resultados de inyección tienen un alcance definido

La inyección indirecta oculta instrucciones hostiles en material que el agente debe leer, como documentos o respuestas de herramientas. LLMON busca impedir que esos datos adquieran autoridad de instrucción.

El equipo evaluó los modelos en OPI y define robustez como uno menos la tasa de éxito del ataque. Afirma que LLMON evitó un 47% más de ataques que el mejor modelo de frontera probado y un 95% más que el mejor modelo de código abierto probado. Son comparaciones relativas de los autores, no diferencias en puntos porcentuales ni mediciones reproducidas aquí.

El artículo informa de tendencias similares en ASB y StruQ. Es crucial que evalúan inyecciones indirectas estáticas. El equipo dice seguir trabajando en ataques adaptativos que se desarrollan durante varios turnos.

Una tasa de éxito casi nula en algunos benchmarks no demuestra inmunidad general. La publicación describe expresamente la regla de privilegios como un comportamiento aprendido, no una garantía impuesta.

El entrenamiento enseña las dependencias

Los modelos parten de checkpoints base Granite, en lugar de añadir el formato a versiones Instruct ya publicadas. Se instalan seis delimitadores como tokens únicos reservados y se resserializa un corpus convencional de instrucciones en componentes direccionables y bloques de ejecución.

El entrenamiento abarca chat, conversaciones de varios turnos, generación aumentada por recuperación y llamadas a herramientas. También introduce instrucciones señuelo y datos sin vincular, manteniendo la salida objetivo. Enseña a seguir las dependencias del bloque de ejecución y no cada frase con apariencia de instrucción.

Los autores describen cinco fases secuenciales de refuerzo GRPO que cubren razonamiento multidominio, comentarios humanos, calibración del conocimiento y matemáticas. Una fase DPO final usa mil pares de preferencias on-policy extraídos de respuestas del modelo a intentos de inyección.

En categorías habituales de benchmarks, el equipo comunica rendimiento comparable a Granite 4.1 Instruct. La comparación se limita a esas evaluaciones; no demuestra calidad inalterada en toda aplicación o formato de datos.

Los vocabularios propios siguen necesitando evaluación

El ejemplo ScienceWorld utiliza etiquetas de dominio para objetivos, reglas de planificación, estado de habitaciones, inventario y siguientes acciones. El equipo convirtió trayectorias de referencia, entrenó un adaptador LoRA y lo evaluó en juegos del simulador reservados para evaluación.

Muestra cómo un vocabulario nuevo representa la planificación. Un resultado en simulación no prueba autonomía segura en un entorno real.

El repositorio LLMON ofrece herramientas y ejemplos. El artículo cita también soporte nativo en Mellea, que puede convertir sus llamadas al modelo al formato.

La versión preliminar propone un experimento concreto: explicitar las relaciones entre instrucciones y datos y probar si el modelo las sigue. Sus límites siguen siendo modelos experimentales, separación aprendida y evidencia de ataques estáticos; los adaptativos continúan en desarrollo.

Fuentes

Explorar el directorio de herramientas →