F1-BASE.md — base Duck + M2 en Kaggle

Tabla por juego y pasada

Juego	niv p0	acc/nivel p0	cap1 p0	cap1.15 p0	acciones p0	tokens p0	niv p1	acc/nivel p1	cap1 p1	cap1.15 p1	acciones p1	tokens p1
ar25-0c556536	8/8	23,34,51,22,38,59,43,52	100.00	100.00	322	143408	8/8	26,16,41,23,29,55,52,48	100.00	100.00	290	160421
bp35-0a0ad940	1/9	25	1.57	1.57	67	137861	1/9	39	0.64	0.64	67	132490
cd82-fb555c5d	6/6	50,20,23,15,20,16	92.00	100.00	144	85658	6/6	33,6,22,16,18,24	97.67	100.00	119	74788
cn04-2fe56bfb	5/6	28,51,32,66,57	71.43	71.43	294	344157	5/6	18,37,44,36,58	71.43	71.43	274	215419
dc22-fdcac232	0/6	—	0.00	0.00	135	106154	4/6	35,52,69,89	46.80	47.62	294	314152
ft09-0d8bbf25	4/6	5,7,14,28	47.62	47.62	117	125680	4/6	4,7,14,22	47.62	47.62	103	176695
g50t-5849a774	0/7	—	0.00	0.00	41	76237	0/7	—	0.00	0.00	19	47872
ka59-38d34dbb	5/7	19,70,56,47,62	38.95	42.70	360	210516	5/7	21,173,37,48,20	49.26	53.57	385	246213
lf52-271a04aa	2/10	16,76	5.45	5.45	133	161557	1/10	8	1.82	1.82	75	84284
lp85-305b61c3	8/8	7,9,18,13,11,26,12,32	100.00	100.00	128	127463	8/8	9,12,20,14,13,20,9,21	100.00	100.00	118	116752
ls20-9607627b	4/7	14,207,86,109	22.30	22.83	555	212392	4/7	27,126,85,119	24.20	24.20	542	288230
m0r0-492f87ba	1/6	117	0.31	0.31	129	125459	6/6	17,39,67,36,67,70	90.89	100.00	296	242901
r11l-495a7899	6/6	9,15,12,21,29,27	100.00	100.00	113	148050	6/6	5,18,14,13,26,32	100.00	100.00	108	190640
re86-8af5384d	6/8	20,42,48,57,79,99	58.33	58.33	408	265817	5/8	24,37,47,116,79	40.19	41.67	356	146651
s5i5-18d95033	3/8	24,32,48	15.82	16.67	133	201705	1/8	18	2.78	2.78	34	42731
sb26-7fbdac44	8/8	12,26,15,15,38,19,17,17	95.35	100.00	159	77162	8/8	11,18,16,16,17,19,26,35	83.66	95.32	158	82319
sc25-635fd71a	5/6	49,5,33,57,45	68.38	71.43	265	203025	4/6	44,5,31,25	46.04	47.62	186	128442
sk48-d8078629	1/8	64	2.52	2.52	105	142724	0/8	—	0.00	0.00	48	64422
sp80-589a99af	1/6	10	4.76	4.76	34	114418	4/6	13,35,13,60	47.62	47.62	172	330822
su15-1944f8ab	6/9	21,18,20,64,64,37	35.10	38.31	235	372807	4/9	21,42,20,20	22.22	22.22	141	267025
tn36-ef4dde99	1/7	34	3.16	3.16	89	110692	0/7	—	0.00	0.00	114	76401
tr87-cd924810	6/6	39,34,28,100,63,46	84.81	96.95	310	150983	6/6	37,78,30,40,66,83	95.74	100.00	334	153604
tu93-0768757b	9/9	19,26,26,43,35,49,14,21,29	96.83	100.00	262	486713	8/9	18,25,24,36,34,36,16,21	73.73	80.00	253	300639
vc33-5430563c	7/7	20,12,26,35,68,20,53	96.87	100.00	234	157912	7/7	19,12,27,49,53,20,51	96.91	100.00	231	176701
wa30-ee6fef47	1/9	31	2.22	2.22	167	100530	3/9	61,124,191	12.44	12.77	530	246520

Totales y ruido

• cap=1: p0 45.75, p1 50.07; media 47.91; Ruido (|p0−p1|) 4.31
• cap=1.15: p0 47.45, p1 51.88; media 49.66; Ruido (|p0−p1|) 4.42
• niveles totales por pasada: [104, 108] (de 183)

Lectura (18/10, corrida f1-base-v3, 16:19–20:25 UTC)

• Qué es esta cifra: la puntuación offline de los 25 juegos demo, recalculada con nuestro lector (cap=1 = SDK 0,9.3; cap=1.15 = competición 0,9.8). No es la puntuación pública. La pública sale de juegos ocultos y de su propio cálculo; la de Duck declarada es ~28. Esta tabla sirve para comparar brazos entre sí, no para predecir el marcador.
• Totales: cap=1.15: pasada 0 = 47,45; pasada 1 = 51,88; media 49,66 (coincide con summary.txt). cap=1: 45,75 / 50,07; media 47,91.
• Ruido entre pasadas: |p0−p1| = 4,42 (cap 1,15) y 4,31 (cap 1). Es la banda que un brazo tiene que superar, además de la prueba de signos.
• Niveles: 104 de 183 en la pasada 0 y 108 de 183 en la 1.
• Estables (mismos niveles en ambas pasadas): ar25, cd82, lp85, r11l, vc33, sb26 y tr87 (todos ≥ 95 en cap 1,15 en ambas pasadas). tu93 casi: 9/9 en la pasada 0 y 8/9 en la 1.
• No resueltos en ninguna pasada: g50t (0/7).
• Inestables (diferencia ≥ 2 niveles entre pasadas): dc22 (0/6 → 4/6), m0r0 (1/6 → 6/6), sp80 (1/6 → 4/6), wa30 (1/9 → 3/9), s5i5 (3/8 → 1/8), sk48 (1/8 → 0/8), tn36 (1/7 → 0/7). Aquí el ruido de la base es grande, así que una mejora de un brazo en estos juegos no se puede leer con dos pasadas.
• Difíciles y estables: bp35 (1/9 en ambas), ls20 (4/7 en ambas, el más caro: 548 acciones).

Control del envío

• Antes de enviar: 50/50 partidas con estado final (34 gave_up, 16 won), 0 Traceback en el log del kernel (los Traceback dentro de *_requests.jsonl son errores de código del propio modelo, no del harness), submission.parquet presente (salida del notebook M2 sin cambios: to_parquet(... "submission.parquet")).
• Envío: v3, ref 57368314, descripción «F1 base M2 n_passes=2 ipynb 59fde9ba2617», estado PENDING al enviar. El puntaje público llega después de la reejecución de Kaggle.