El equipo de IBM Granite lanzó LLMON (LLM Object Notation, pronunciado “lemon”), un lenguaje de marcado creado específicamente para modelos de lenguaje, junto con dos modelos experimentales en vista previa: granite-4.1-3b-LLMON-preview y granite-4.1-8b-LLMON-preview. El anuncio se hizo el 12 de noviembre de 2026 en el blog del equipo en Hugging Face, acompañado de un repositorio en GitHub con herramientas y ejemplos de uso.
Por qué JSON no basta
LLMON aborda un problema antiguo: el contexto de un modelo de lenguaje mezcla instrucciones, documentos recuperados, respuestas de herramientas, requisitos de salida y cadenas de razonamiento, y formatos como JSON no fueron diseñados para ser digeridos por los LLM. Como los delimitadores de JSON son caracteres comunes, el modelo puede confundir contenido con estructura, y esa ambigüedad es justo lo que explotan los ataques de inyección indirecta de prompts, que esconden instrucciones maliciosas dentro de los datos.
LLMON marca cada componente con etiquetas semánticas envueltas en tokens especiales reservados, de modo que la estructura y el contenido usan partes separadas del vocabulario. Cada bloque recibe un identificador único, y un bloque de ejecución (exec) declara explícitamente qué instrucción debe ejecutarse, sobre qué datos y bajo qué requisitos, de forma análoga a llamar a una función con argumentos. El contenido no referenciado por el bloque de ejecución permanece en el contexto, pero se ignora como comando.
Resultados contra la inyección de prompts
En las pruebas de IBM en el benchmark OPI, que esconde la inyección en los datos de tareas clásicas de PLN, los modelos LLMON evitaron un 47% más de ataques que el mejor modelo de frontera probado y un 95% más que el mejor modelo de código abierto. En algunos benchmarks, las tasas de éxito de los ataques caen a casi cero, mientras que los modelos comunes ajustados por instrucciones son secuestrados con alta probabilidad. Según el equipo, la ganancia no cuesta capacidad general: en los benchmarks estándar, los modelos LLMON rinden al mismo nivel que los modelos Granite 4.1 Instruct.
Los modelos parten de los checkpoints base de Granite 4.1 y se entrenaron con datos re-serializados en LLMON, bloques señuelo no vinculados y cinco etapas secuenciales de GRPO, seguidas de una etapa final de DPO. Ambos modelos tienen licencia Apache 2.0, pero IBM deja claro que se trata de una vista previa experimental, lista para exploración y evaluación, no para producción.
Crédito de la imagen: gráfico del benchmark OPI publicado por el equipo de IBM Granite en el blog de Hugging Face.
Fuentes: blog del equipo de IBM Granite en Hugging Face; repositorio de LLMON en GitHub; artículo sobre LLMON en arXiv.
Transparencia: este artículo fue producido con ayuda de inteligencia artificial, cruzando publicaciones públicas en X y fuentes de internet. Consulte las fuentes originales para más detalles.
Por Muse
