# B · ACUMULA — contrato (APROBADO por Nav el 20/10/2026, con brazo LLM) 20 de octubre de 2026. Pista B del roadmap de ECHO-5.8. Requisito cumplido: A · MEMORIA-X verde ([resultados](MEMORIAX-RESULTS.md)). Nada de esto está implementado ni medido. ## 1. Pregunta ¿Puede ECHO **mejorar sus propias reglas de memoria** a partir de sus fallos medidos, de forma que cada ronda aprenda **más rápido en un mundo nuevo** que la anterior, y mejor que cambiar las reglas al azar? Es exactamente donde cayó RSI-1 (recursivo 99 = sin acumular 99, azar 101, base 96; la curva se quedó plana). Lo que cambia aquí: - RSI-1 proponía cambios a ciegas sobre una biblioteca DSL. Aquí cada propuesta sale de un **fallo localizado**: qué clave de memoria dio la creencia que precedió al daño o a la acción inútil. El azar recibe el mismo menú y el mismo número de intentos, pero no sabe dónde falló. - Hay huecos medidos que atacar: en A, la lava con identificadores nuevos recibió una **creencia equivocada** (DistShift2 A2: 49,4 daños de 50, peor que barajada) y ShiftTest se quedó en la mitad. ## 2. Qué puede cambiar ECHO de sí mismo (menú cerrado, todo entero) Una **configuración** C acompaña a la memoria. La memoria (append-only, con su cadena SHA-256) nunca se borra: las ediciones cambian cómo se **lee**, no lo observado. `destroyed == 0`. | Edición | Qué hace | Alcance | |---|---|---| | `silence(k)` | la regla de la clave de capa 2 `k` no responde | una clave | | `verify(k)` | la creencia de `k` se comprueba en el episodio antes de fiarse | una clave | | `refine(k, b)` | la clave `k` se parte por el bit de firma `b` (tamaño o borde) | una clave | | `merge(b)` | la capa 2 ignora el bit `b` para lo estático | global | | `bound(l, n, p)` | N_MIN ∈ {2, 3, 5} y UMBRAL ∈ {70, 85, 95} de la capa `l` | global | | `order` | en A2, preguntar primero la capa 2 en vez de la 1 | global | ## 3. Cómo propone ECHO (sin LLM, córtex apagado) Al final de cada ronda, por cada episodio con daño o con acciones NOOP, el diagnóstico busca la **clave que respondió** justo antes del fallo (capa y firma). Con eso genera candidatas del menú que tocan esa clave o su bit (`silence`, `verify`, `refine`) y, si el mismo bit aparece en ≥ 2 claves fallidas, `merge` o `bound`. Ordena por número de fallos explicados. Sin fallos no propone nada. **Puerta de aceptación (igual para todos los brazos):** cada candidata se prueba en 20 mundos de validación de la ronda (semillas propias). Entra si el daño no sube, el éxito no baja y mejora al menos una de las dos, o el desperdicio baja ≥ 10 %. Hasta **K = 4 candidatas por ronda**. ## 4. Rondas, mundos y brazos Cinco rondas. En cada ronda el agente juega 40 episodios de dos familias (régimen A2, ids nuevos por episodio) aprendiendo en línea, y luego propone. | Ronda | Familias de la ronda | |---|---| | 1 | DistShift1 · LavaGapS5 | | 2 | LavaCrossingS9N2 · Dynamic-Obstacles-5x5 | | 3 | DistShift2 · SimpleCrossingS9N1 | | 4 | LavaCrossingS9N3 · KeyCorridorS3R2 | | 5 | ShiftTest (ASG) · DoorKey-8x8 | **Sonda (mundos nuevos, nunca usados para proponer ni aceptar):** LavaCrossingS11N5 · Dynamic-Obstacles-Random-6x6 · BlockedUnlockPickup · ObstructedMaze-1Dl. Tras cada ronda, la configuración y la memoria de ese momento juegan 30 episodios por familia de sonda **aprendiendo en línea sobre una copia** que se tira después. Eso es «velocidad de aprendizaje en un mundo nuevo». Punto de partida de todos los brazos: la memoria aprendida de A (de la misma macro) y la configuración base de A. | Brazo | Configuración | Memoria | |---|---|---| | **recursiva** | acumula ediciones aceptadas | acumula | | **azar** | mismo menú, mismas K candidatas por ronda, elegidas al azar entre las ediciones válidas, misma puerta | acumula | | **sin_acumular** | cada ronda vuelve a la base y propone solo desde esa ronda | acumula | | **fija** | base siempre (solo «más datos», sin automejora) | acumula | `fija` es el control clave: separa «mejorar las reglas» de «haber visto más mundos». 10 macro-semillas; cada una con sus propias semillas de ronda, de validación y de sonda (bloques disjuntos, fijados en `preflight`). ## 5. Predicciones (escritas antes de medir) Métrica principal por ronda: **daño acumulado en la sonda** (4 familias × 30 episodios, A2), media por macro. Secundaria: éxitos en la sonda. - **Q1 · mejora sucesiva:** la media de daño en sonda de `recursiva` baja estrictamente en **≥ 3 transiciones seguidas** de las 5 (ronda 0 = antes de la ronda 1), sin que el éxito medio baje en esas transiciones. - **Q2 · mejor que los controles:** tras la ronda 5, daño en sonda de `recursiva` < `azar`, < `sin_acumular` y < `fija`: tres Wilcoxon de una cola sobre las 10 macros, Holm, α = 0,01. - **Q3 · sin regresión:** con la configuración final de `recursiva`, en el banco de examen de A (régimen A2, sus cuatro familias, semillas nuevas) el daño medio no sube y el éxito medio no baja frente a la configuración base. - **Q4 (se informa):** ¿se cierra el hueco de la lava? Daño en DistShift2 A2 con la configuración final frente a la base. - **Q5 (se informa):** qué ediciones se aceptaron, en qué ronda y cuántos fallos explicaba cada una. **Verde = Q1 ∧ Q2 ∧ Q3.** Si `recursiva` empata con `azar` o con `fija`, B es roja, igual que RSI-1, y se publica así. ## 6. Qué se puede ajustar en desarrollo (antes de congelar) El diagnóstico, K, el tamaño de validación y la puerta de aceptación, con semillas de desarrollo propias y **sin mirar la sonda**. Las predicciones, las familias de sonda y la métrica no cambian. ## 7. Riesgos conocidos 1. La sonda puede no beneficiarse de lo que se arregla en las rondas (ediciones demasiado locales). Entonces Q2 sale rojo: es un resultado. 2. Con las ediciones `silence`/`verify` el agente puede volverse más prudente y ganar daño a costa de éxito; por eso Q1 y Q3 exigen que el éxito no baje. 3. La puerta de aceptación es ruidosa con 20 mundos; puede aceptar ediciones malas. Afecta igual a todos los brazos. 4. Diez macros comparten la memoria de partida de A, que era casi idéntica entre macros. La variación entre macros viene de los mundos de cada ronda. ## 8. Decisiones de Nav 1. Aprobar este contrato (familias de ronda y de sonda incluidas). 2. **Brazo LLM — APROBADO (se informa, no decide):** el mismo diagnóstico se le da a un LLM (`openai/gpt-oss-120b` en Groq) para que elija las K candidatas del mismo menú; pasa la misma puerta. Mediría si el córtex propone mejor que ECHO o que el azar. Coste estimado: unas 500 llamadas en total, dentro del cupo gratuito diario. Temperatura 0; cada respuesta se guarda por hash del mensaje, así que repetir la corrida no vuelve a llamar. El LLM ve claves como números opacos, nunca nombres. Si la API falla o responde fuera del menú, esa ronda no propone nada (se registra). Invariantes: memoria entera y append-only, 0 coma flotante en el agente y la memoria, el córtex no escribe hechos (sus propuestas solo entran si pasan la puerta), nada nuevo bajo `nexus0/`, campaña ARC intacta.