ECHO-5.1 · co-learning A → B, desarrollo 0.9

La persistencia y reutilización funcionan en este piloto. Los tres receptores con la receta de A resolvieron Registros01 con su primera propuesta y sin reparar. El control con memoria vacía resolvió 1/3, tras reparar. Esto no cierra H2 ni T20 en general: solo se ensaya una familia conocida, y dos controles fallaron por copiar un texto de formato. El código heredado se reprodujo literalmente.

Plan previo: COLEARNING-PLAN-20261013.md. Implementación congelada: 9ef31b0, rama local research/echo-5.1-pcworld1. Sin push, publicación ni cambio de las campañas anteriores.

Implementación comprobada

pcworld/shared.py: SharedConceptLibrary persistente sobre recibos autenticados. Guarda código real del snapshot reparado, AST normalizado, contraejemplo observado, ámbito público y procedencia: autor atestiguado por el supervisor, tarea, familia, snapshot y recibos. La firma corresponde a la custodia del supervisor, no al LLM.
Solo publica donantes aceptados tras reparación, con auditoría válida, refutación no final y reproducción posterior del caso y de los ejemplos públicos. La tarjeta no contiene entradas ni salidas de evaluación final. El registro conserva el AST; la tarjeta del proponente omite AST y contrato redundantes y está limitada a 6 kB.
La consulta devuelve como máximo una receta compatible. Exige conservar y auditar los artefactos del donante; alterarlos invalida la recuperación. La receta sigue siendo candidata y no concede autoridad para aceptar la tarea nueva.
pcworld/pilot.py: consulta cobrada antes de la propuesta inicial, entrega de la tarjeta una sola vez y trazabilidad en el thought.jsonl existente. La CAM episódica sigue siendo nueva en cada episodio; la biblioteca persiste entre ellos.
pcworld/transfer.py y scripts/run_transfer_pilot.py: adquisición nueva, biblioteca congelada, receptores con y sin memoria y apagado del worker. Auditoría de donante exacto, tarjeta, fuentes, orden, modelo, runtime y límites comunes.
Una sola generación de transferencia. Los receptores no publican nuevas lecciones; no se afirma aprendizaje de pesos, abstracción parametrizada ni evolución recursiva.

Diseño ejecutado

Qwen2.5-Coder-14B-Instruct Q4_K_M, revisión y GGUF fijados, llama.cpp b11577, contexto 4096, salida máxima 768, temperatura 0,2. 49/49 capas en T4. Kaggle solo hizo inferencia. Los candidatos y oráculos quedaron en Linux con Bubblewrap/cgroup y el rootfs Python fijado, sin /usr del host.

A: E sobre Registros00, semilla de tareas 47 y del modelo 73. B: Registros01, semillas del modelo 73, 74 y 75; orden aislado/cooperativo, cooperativo/aislado, aislado/cooperativo. Mismo protocolo E, catálogo expanded-v2, 25.000 tokens, 50 herramientas y dos reparaciones como máximo. Los límites restantes se conservan. No se eliminaron llamadas al crítico para producir un ahorro.

Se ejecutaron 7/7 episodios. Cinco fueron aceptados: A, tres B cooperativos y un B aislado. No se confundió completar la ejecución con resolver la tarea. No hubo reintentos de campaña ni selección posterior de semillas.

Resultado por receptor

Semilla	Memoria	Pasa evaluación final	Reparaciones	Llamadas LLM	Críticas	Tokens	Herramientas
73	Vacía	Sí, 5/5	1	4	2	4.426	39
73	Lección de A	Sí, 4/4	0	3	2	3.896	26
74	Vacía	No, 0/4	0	1	0	285	14
74	Lección de A	Sí, 4/4	0	3	2	3.844	26
75	Vacía	No, 0/4	0	1	0	285	14
75	Lección de A	Sí, 4/4	0	3	2	3.866	26

Los cuatro casos comunes son los mismos. El quinto caso del aislado 73 es su contraejemplo retenido, añadido por el protocolo común de reparación. Las tres soluciones cooperativas pasaron las dos críticas y la evaluación final sin cambios. Cero destrucciones de CAM en los siete episodios.

Qué se transfirió realmente

A propuso inicialmente list({p['id']: p for p in x}.values()), que conserva el último valor de cada clave en lugar del primero. Su crítico encontró una repetición con valores diferentes. A reparó usando seen_ids y pasó 5/5 casos finales. La biblioteca publicó ese programa y un testigo no final de sobrescritura.

El aislado 73 repitió el mismo código defectuoso y necesitó una reparación; su contraejemplo tiene la misma estructura, con otros valores. Los tres receptores cooperativos propusieron un programa idéntico, byte a byte, al parche de A. La observación acredita recuperación y reutilización de una solución válida para el mismo contrato con nuevos valores; no síntesis de una abstracción nueva.

Fallo de los controles 74 y 75

Ambos devolvieron literalmente:

complete solution.py reading JSON from stdin and writing one JSON value

Ese texto procede del campo ilustrativo format.content del proveedor. Ejecutarlo produce SyntaxError. El verificador clasifica la ejecución como unknown, nunca como un contraejemplo de valor ni como éxito. El protocolo actual termina antes del crítico cuando el ejemplo público no produce una salida verificable; no reintenta ese error de formato. No hubo timeout ni excepción del proveedor.

Por tanto, las dos victorias adicionales tienen este factor de confusión: recibir código ejecutable también evita copiar el ejemplo de formato. No basta el 3/3 frente a 1/3 para atribuir toda la diferencia al contenido causal del contraejemplo o a CAM. No se modificó el prompt ni se descartaron episodios después de observarlo.

Coste completo

Magnitud, solo receptores B	Vacía	Compartida
Aceptados	1/3	3/3
Aceptados sin reparación	0/3	3/3
Tokens	4.996	11.606
Llamadas LLM	6	9
Críticas	2	6
Herramientas, incluida consulta	67	78
Tiempo de episodios	51,134 s	111,953 s
CPU host de episodios	2,866 s	3,494 s

No hay ahorro agregado de tokens: los dos fallos tempranos del control son baratos. En la pareja 73, donde ambos resuelven, compartir ahorra 530 tokens (11,97%), una llamada LLM y 13 herramientas (33,33%). Es una comparación descriptiva individual, no el efecto promedio confirmado del sistema.

Adquisición A: 4.419 tokens, 4 llamadas LLM, 2 críticas, 38 herramientas, una reparación, 81,965 s de episodio. Se ejecutó una vez como prefijo común y se atribuye a ambos recorridos comparados, no se supone entrenamiento gratuito.

Publicar costó una operación supervisora adicional: 225,926 ms de pared y 221,266 ms CPU. Cada consulta cooperativa, incluida reauditoría del donante, costó aproximadamente 203–205 ms y una herramienta; las vacías aproximadamente 0,58 ms y una herramienta. La CPU de consulta también se cargó al presupuesto del episodio. No es una consulta total O(1). Las auditorías finales son trabajo de evaluación separado, no tokens del agente.

Con el prefijo A una vez más los tres B: aislado 9.415 tokens y 105 herramientas; cooperativo 16.025 tokens y 117 herramientas, incluyendo publicación. Para la pareja 73 sola, A→B usa 8.845 frente a 8.315 tokens: ahorro 5,99% contando adquisición.

Coste físico total de la campaña: 21.021 tokens, 19 llamadas LLM y 184 operaciones contadas, incluida publicación. La publicación no consume tokens. No se suma dos veces el prefijo común a este total físico.

Validación y recursos

240 tests PCWorld pasan en 88,191 s; nuevas pruebas de persistencia, custodia, incompatibilidad, exposición inicial, contabilidad y auditoría de pares.
Auditoría inicial y repetida en otro proceso: valid: true, cero errores. 347 recibos de episodios; además se comprueba custodia de ejecuciones, estudio y bibliotecas. Los diarios de toda esta tanda contienen 373 recibos.
30 archivos congelados: sin cambios. Modelo, snapshots y procedencia registrados.
57 solicitudes de inferencia/preflight: todas HTTP 200. Sin timeout ni desbordamiento. Los dos SyntaxError son resultados fallidos del candidato y permanecen contabilizados.
Worker: 486,791 s (8 min 07 s), incluyendo 226,341 s de preparación. GPU 49/49; aproximadamente 9.161 MiB en la T4 principal, 105 MiB de contexto en la segunda.
Cuota GPU: 24,12 → 23,98 horas, consumo aproximado 0,14 h según el contador.
Kaggle COMPLETE; worker detenido, supervisor/broker/túnel apagados. Sin publicación.

Artefactos locales: ECHO-5.1/artifacts/colearning14b-pilot-20261013, ECHO-5.1/artifacts/colearning-control-20261013 y ECHO-5.1/artifacts/kaggle-colearning14b-output. Las autoridades y paquetes privados contienen credenciales/custodia; no se publican.

SHA-256:

Resultado: 20e25132ef36520e38612471404e4b8be7a4a4fd44723f3bf60d204def0afdbe.
Auditoría: 21a919b51ff7d61bccbc03f458165300d79783115aa8cb46a34d8cd9135b5561.
Contrato del estudio: 625accf8e8d2e3b944edaa861ba3b62f6ca1162a54af7a47f4f9b9feaaa883f3.

Checklist de ECHO-5.1 tras este ensayo

Estado	Obligación	Evidencia o siguiente comprobación
[x] Comprobado localmente	T01–T04: ejecución y frontera de archivos	Bubblewrap/cgroup obligatorio, sin fallback ni acceso a autoridad. Límites históricos de host/kernel siguen vigentes.
[x] Comprobado localmente	T05–T07: recibos, observaciones y snapshots	HMAC/ancla, separación proceso/propiedad, identidad de bytes; memoria nueva enlazada a evidencia real.
[x] Acotado	T08 y T10: runtime y caché pura	Rootfs fijado sin `/usr` host; ejecuciones siempre frescas. No empaqueta kernel/hardware ni acredita otra máquina.
[x] Comprobado	T09 y T11: recuerdo no autoritativo y crítico validado	La receta heredada no veta ni acepta la propuesta; incompatibilidad no se reutiliza.
[x] Acotado	T12: contraejemplo y reparación	A y aislado 73 reparan; cooperativos pasan con la receta. No incluye minimización automática del testigo.
[x] Comprobado localmente	T13–T14 y T17: recursos, reintentos y aislamiento	Cuotas y preflight conservados; consulta/publicación registradas. Falta recuperación simétrica de propuesta no ejecutable.
[x] Acotado	T15–T16 y T19: persistencia, orden y núcleo	Recetas restaurables, auditoría en otro proceso y replay WSP. No scheduler distribuido, aprendizaje de Q ni recuperación a mitad de episodio.
[x] Acotado	T18: comparación con condiciones comunes	Tres parejas, mismo E/modelo/cuotas/runtime; solo cambia biblioteca. Una familia de desarrollo, no prueba general.
[x] Implementado y ensayado	T20: almacenamiento y recuperación de recetas	Publicación tras reparación, AST, procedencia, restauración y reutilización A→B comprobadas.
[ ] Parcial	T20: conceptos y transferencia general	Falta extracción parametrizada, tareas que requieran adaptar la receta, promoción/cuarentena integrada y varias generaciones. La biblioteca antigua de cuarentena solo tiene pruebas unitarias.
[ ] Parcial	H2: ventaja de memoria compartida	Señal positiva 3/3 frente a 1/3; una pareja evita reparación con menor coste. Falta controlar formato, código de ejemplo/biblioteca fija, transferencia negativa, familias nuevas y repeticiones de adquisición.
[ ] Pendiente	H1: especialistas frente a agente único fuerte	8/12 frente a 6/12 es desarrollo; falta confirmación independiente preregistrada. Este ensayo no compara S/I2/F/E.
[ ] Pendiente	H3: utilidad neta del crítico	No se ablaciona aquí; las críticas se mantienen iguales cuando el episodio llega a ellas.
[ ] Pendiente	H4: aporte del router	No se desempata E/F con este contraste; reparar ambigüedad de categoría de grafos antes de atribuirle ahorro.
[ ] Pendiente	CSV y Dependencias	Detección mejorada en 0.8; reparación general sigue sin pasar.
[ ] Pendiente	Confirmación y release	Nuevas familias/casos reservados, muestra dimensionada, controles fuertes e instalación reproducida fuera del host.
Aplazado	S6	Permanece fuera hasta después de ECHO-5.5.

Siguiente experimento justificado: corregir para ambas condiciones el ejemplo de salida del proponente y el manejo de errores sintácticos, fijar otro contrato y repetir con adquisición y tareas nuevas. Añadir controles que separen «tener código útil en el contexto» de «seleccionar una lección pertinente con procedencia» y medir coste total y transferencia negativa. Este piloto queda cerrado e inmutable; ECHO-5.1 continúa abierto científicamente.