echolabsCorrecciones de búsqueda, exploración y currículo — resultados
Expediente público seleccionado
(con resultados completos comprimidos, auditorías y procedencia). Las rutas
artifacts/ del informe identifican recibos originales del laboratorio;
no son archivos distribuidos en esas rutas.
La implementación está comprobada y el piloto tiene sus cuatro auditorías válidas. La búsqueda pasa de 0/18 a 12/18 en las tareas del generador independiente y de 0/9 a 9/9 en las plantillas, con el mismo presupuesto por tarea. Persisten seis agotamientos de presupuesto; no es un cierre universal de transferencia ni una promoción automática.
La ejecución final empezó el 12 de octubre a las 00:03:50 y terminó a las 00:06:18, hora de Madrid. Duró 147,32 segundos, auditorías incluidas, en CPU y en segundo plano. No hubo llamadas al LLM ni uso de GPU.
Implementación comprobada
| Intervención | Cambio realizado | Límite conservado |
|---|---|---|
| Firmas y reutilización | Cachés acotadas de rejillas, objetos, relaciones, transiciones y pérdidas; descarte de enlaces indefinidos y alias equivalentes en todos los datos públicos | Construcción, consultas y escrituras consumen presupuesto; no se agrupan reglas sólo porque coincidan en entrenamiento |
| Poda segura | Pérdida irreversible de colores bajo una propiedad comprobada del alfabeto; cota inferior de pérdida para ramas que ya no pueden entrar en la frontera | Dimensiones finales iguales no eliminan transformaciones intermedias de tamaño; los 326 operadores siguen disponibles |
| Verificación prioritaria | Tras el primer ajuste, el trabajo restante comprueba las alternativas pendientes, rechazando al primer contraejemplo | Se exige terminar el nivel retenido completo; una hipótesis compatible o una mayoría no bastan |
| Exploración híbrida | Frontera cercana normalmente; información ante bloqueo observado o estancamiento, con cuota y enfriamiento | Mismas observaciones, habilidades, memoria y planificación; el disparador es una política fija, no aprendizaje demostrado |
| Currículo eficiente | Saltar selección pesada con un único superviviente, parar sólo al alcanzar una cota máxima exacta y actualizar únicamente hipótesis aún compatibles | No se acepta el 90 % de una familia como certeza; adquisición y evaluación siguen pagándose |
La cota de pérdida usa una suma no negativa sobre demostraciones y un conjunto de estados distintos ya evaluados. Incluye longitud y orden para conservar desempates. Nunca poda por esta regla una rama que aún podría ajustar todas las demostraciones. Las pruebas diferenciales comprobaron fronteras, resultados, alias, macros y desacuerdos en consultas. La revisión separada no encontró bloqueos en esta cota.
Búsqueda: comparación con el mismo presupuesto
Cada brazo recibe el mismo JSON público: demostraciones y entradas de consulta, sin respuestas de consulta, identificadores de familia ni programas testigo. Se mantienen 326 átomos, profundidad máxima 4, frontera de 24 estados, 12.000 programas expandidos y 2.000.000 unidades de trabajo. Los descartes anteriores a la expansión tienen contadores propios y consumen ese presupuesto. Por tanto, el número de expansiones no representa por sí solo trabajo equivalente.
La semilla 2.800.000 se registró antes de medir esta revisión. Son casos nuevos de familias conocidas, no un benchmark externo ni una confirmación definitiva.
| Brazo | Independiente, 18 casos | Trabajo total | Plantillas, 9 casos | Trabajo total |
|---|---|---|---|---|
Histórico (baseline) |
0/18 | 35.995.373 | 0/9 | 17.999.298 |
Sólo reutilización (memoized) |
0/18 | 35.996.308 | 0/9 | 17.999.583 |
Firmas y verificación (certified) |
6/18 | 29.476.235 | 0/9 | 17.999.420 |
Lo anterior + cota de pérdida (certified_bound) |
12/18 | 25.951.431 | 9/9 | 11.814.821 |
El último brazo reduce el trabajo acumulado un 27,90 % en el generador independiente y un 34,36 % en plantillas frente al histórico. La caché sola no resuelve el bloqueo. La mejora adicional de la cota se observa en los mismos casos y con todos los demás cambios conservados.
| Familia independiente | Histórico | Firmas/verificación | Con cota | Pendiente |
|---|---|---|---|---|
outline_extract_scale |
0/3 | 0/3 | 3/3 | Resueltos en profundidad 3 |
fill_extract_tile |
0/3 | 0/3 | 3/3 | Resueltos en profundidad 3 |
inside_erase_crop |
0/3 | 0/3 | 0/3 | Presupuesto agotado en profundidad 3; dos casos con una hipótesis compatible, sin consenso cerrado |
right_erase_crop_rotate |
0/3 | 0/3 | 0/3 | Presupuesto agotado en profundidad 2, sin hipótesis compatible encontrada |
below_recolor_reflect |
0/3 | 3/3 | 3/3 | Resueltos en profundidad 2 |
pack_reflect |
0/3 | 3/3 | 3/3 | Resueltos en profundidad 2 |
Las tres familias de plantillas alcanzan 3/3 cada una con la cota. No se
emitieron respuestas incorrectas en esta muestra, ni se perdió ningún acierto
de los otros brazos. Esto no demuestra ausencia universal de errores o
regresiones. test_verified sigue siendo falso dentro del actor; el juez externo
compara las respuestas emitidas con las soluciones reservadas.
Hay otros seis controles independientes, fuera del denominador de 18: tres ambiguos producen abstención y tres que requieren introducir un color inexistente se rechazan por la propiedad del alfabeto. No se cuentan como tareas resueltas. En desarrollo conocido, el brazo con cota obtiene 4/6 independientes y 3/3 plantillas; esos casos tampoco se suman a la muestra nueva.
Exploración
Se evaluaron los siete perfiles registrados, cuatro mundos por perfil, con acciones y presupuesto iguales: 112 episodios y sus replays.
| Selector | Misiones | Acciones | Trabajo |
|---|---|---|---|
| Información | 28/28 | 322 | 264.261 |
| Frontera cercana | 28/28 | 332 | 248.277 |
| Frontera aleatoria | 28/28 | 357 | 300.762 |
| Híbrido | 28/28 | 332 | 237.220 |
El híbrido usa un 4,45 % menos trabajo que frontera cercana, con las mismas acciones. Sus registros contienen 296 decisiones de objetivo y 36 de frontera cercana: ninguna activación informativa. En esta muestra la mejora procede de comprobar elegibilidad sin calcular toda la puntuación informativa. El disparador de bloqueo está probado en software, pero su ventaja en misiones no queda demostrada. Haría falta compararlo con una frontera cercana igualmente optimizada en una evaluación registrada aparte. No hay ventaja de acierto ni prueba de equivalencia estadística entre selectores.
Currículo
Ocho ejecuciones emparejadas, cuatro adquisiciones por ejecución, los mismos conjuntos de hipótesis y datos por brazo, y presupuesto total de 2.000.000 por ejecución. Los controles también actualizan sólo los supervivientes, para que la comparación no dependa de conservar controles innecesariamente costosos.
| Selector | Aciertos finales | Aciertos durante los cuatro prefijos | Trabajo de aprendizaje | Trabajo total, evaluación incluida |
|---|---|---|---|---|
| Secuencial | 56/64 | 200/256 | 428.502 | 1.249.296 |
| Aleatorio | 56/64 | 224/256 | 419.120 | 1.132.054 |
| Adaptativo anterior | 64/64 | 240/256 | 2.004.771 | 2.701.505 |
| Adaptativo eficiente | 64/64 | 240/256 | 674.849 | 1.371.583 |
La optimización conserva selecciones, supervivientes y respuestas del adaptativo anterior, reduciendo un 49,23 % su coste total. Sigue costando un 21,16 % más que el aleatorio optimizado. El promedio de utilidad mejora frente a éste, pero el intervalo descriptivo entre ejecuciones incluye cero; ocho ejecuciones no acreditan superioridad general. Los 256 resultados de prefijos reutilizan los mismos 64 casos finales: no son 256 problemas independientes.
Exploración y currículo reproducen las configuraciones de la revisión r2; su repetición en r3 valida la integración final, no añade muestras independientes.
Verificación y recibos
- Suite final: 499 tests, cero fallos, 26 omitidos por dependencias opcionales; perfil nativo requerido: 32/32. Una comprobación nativa ampliada previa pasó 80/80, incluidos los tests del híbrido. Los recuentos se solapan.
- Piloto final: 44 resoluciones de desarrollo y 132 de la muestra nueva, repartidas entre cuatro brazos: 176 búsquedas y 176 reproducciones.
- Cuatro auditorías válidas en procesos separados: desarrollo, búsqueda nueva, exploración y currículo. El replay comparte implementación con el actor; las soluciones construidas y el juicio nativo añaden referencias semánticas independientes. No es verificación formal de todo el sistema.
- Fuentes propias, heredadas y del anfitrión permanecieron iguales durante la medición. Los manifiestos y archivos de fuentes permiten su reproducción.
Recibo principal:
artifacts/efficiency-pilot-20261012-r3/result.json.
Tests:
artifacts/efficiency-checks-20261012-r4/result.json.
Cada subdirectorio del piloto contiene result.json, audit.json, diarios y
recibos de procesos. Identidades de esta ejecución:
Fuentes: 3c5d12a966910277953e050e1b8b2b44781b4b1e346a83f51b4d6d08e4131458
Plan: 66318f7d6320ff109aef3ea0d44bd2ff701182add4613478a679ccf0f05a69f2
Se conservan también los intentos previos. efficiency-pilot-20261011-r1 se
detuvo por una incompatibilidad del evaluador con el campo category de las
plantillas antiguas; se corrigió su adaptación sin entregar metadatos al actor.
No tiene resultado científico aceptable. La revisión r2 terminó auditada:
5/18 independientes y 0/9 plantillas con certified. Su semilla 2.700.000 pasó
a desarrollo antes de añadir la cota; no se presenta como nueva confirmación.
Uso y trabajo pendiente
Desde ECHO-5, la versión mejorada puede ejecutarse mediante la CLI existente:
.venv/bin/python -I scripts/run.py solve tarea.json --budget 2000000 \
--synthesis-strategy certified --ranking-bound --trace artifacts/mi-busqueda.jsonl
El JSON de tarea contiene train y entradas de test. El diario debe ser nuevo.
La estrategia histórica sigue disponible. El plan completo se ejecuta con
scripts/efficiency.py launch --output artifacts/otro-piloto; repetir su semilla
registrada es reproducción, no evidencia en nuevas tareas.
Queda reducir el coste de inside_erase_crop y right_erase_crop_rotate,
especialmente el cierre de consenso en los dos ajustes aún incompletos. También
queda comprobar el cambio de fase informativa y la relación coste/utilidad del
currículo en más ejecuciones independientes. Un siguiente ensayo deberá registrar
semillas nuevas antes de medir y conservar estos resultados de desarrollo.
Las operaciones de trabajo son una contabilidad explícita, no FLOPs ni julios. La ejecución no reabre el examen histórico, no amplía el verde acotado de r3 y mantiene S6 fuera de alcance hasta después de ECHO-5.5.