En este artículo, abordamos la dificultad de anticipar los diversos problemas que un modelo predictivo encontrará tras su implementación. En lugar del enfoque reactivo y recursivo tradicional (implementación del modelo, minería de datos y reentrenamiento), desarrollamos un proceso de descubrimiento de cola larga ex ante. Al imaginar datos adicionales durante el entrenamiento, desarrollamos una señal de cola larga general basada en el modelo, que contiene la incertidumbre epistémica de una formulación diferenciable de una sola pasada hacia adelante, capaz de identificar entradas poco comunes o difíciles sin afectar los parámetros del modelo ni el rendimiento predictivo. Aprovechamos estas señales para generar datos de entrenamiento adicionales a partir de un modelo de difusión latente mediante un proceso denominado guía de cola larga (LTG). Cabe destacar que realizamos la LTG sin reentrenar el modelo de difusión ni el modelo predictivo, ni exponer el modelo predictivo a estados de difusión intermedios. Los datos generados por la LTG presentan cambios semánticamente significativos, conducen a mejoras significativas de generalización en varios parámetros de clasificación de imágenes y pueden ser analizados por el Modelo de Visión-Lenguaje (VLM) para descubrir, explicar textualmente y abordar proactivamente las lagunas conceptuales en los modelos predictivos implementados.
