F2 · E1b (efectos empujados por el arnés) · resultado: no pasa (negativo, parada por inutilidad)
Corrida 1: kernel v7, 19/10 de 10:14:59 a 14:36 UTC, 4,28 h de ejecución. 25 juegos × 2 pasadas = 50 partidas: 33 gave_up y 17 won. 0 Traceback en el log del kernel; submission.parquet presente. Salida en ECHO-5.5/artifacts/campaign/f2-e1b-v7/ (fuera de git).
Única diferencia con la base: el arnés imprime líneas [effects] después de cada action(...), más una línea de addendum en el prompt que explica qué son. Mismo modelo, misma configuración y mismo presupuesto. Está declarado en el LOG a las 10:17, antes de la subida (arms/E1B/, helpers v4).
Regla de parada declarada: si la corrida 1 da ≤ 53,0 con cap 1,15, E1b no pasa y no hay segunda corrida. La corrida 1 dio 48,50 → no pasa; no se lanza la v8 y la GPU se guarda para F3.
Comparación:tools/compare.py f1-base-v3 f2-e1b-v7 --arm E1B --also-base f1-base-aa-v6, contra la base agrupada de 4 pasadas declarada antes del A/A.
Comparación pareada · E1B frente a la base
cap = 1
Total base 46.09 (pasadas 45.75, 50.07, 40.18, 48.37); total E1B 46.59 (pasadas 49.70, 43.48).
Diferencia +0.50 frente a banda de ruido 9.88.
Juegos: 10 mejor, 14 peor, 1 igual; prueba de signos p = 0.541.
Niveles por pasada: base [104, 108, 99, 109], E1B [114, 102]. Acciones por nivel completado: base 37.4, E1B 36.3.
Tokens generados por pasada: base [4389080, 4307134, 4501121, 4166689], E1B [4561751, 4365544].
Veredicto (DESIGN §4): no pasa.
cap = 1.15
Total base 48.00 (pasadas 47.45, 51.88, 41.85, 50.84); total E1B 48.50 (pasadas 51.55, 45.44).
Diferencia +0.49 frente a banda de ruido 10.03.
Juegos: 10 mejor, 12 peor, 3 igual; prueba de signos p = 0.832.
Niveles por pasada: base [104, 108, 99, 109], E1B [114, 102]. Acciones por nivel completado: base 37.4, E1B 36.3.
Tokens generados por pasada: base [4389080, 4307134, 4501121, 4166689], E1B [4561751, 4365544].
Veredicto (DESIGN §4): no pasa.
Por juego (media de pasadas, cap = 1)
Juego
base
E1B
Δ
ar25-0c556536
100.00
100.00
+0.00
bp35-0a0ad940
1.21
1.06
-0.15
cd82-fb555c5d
71.96
29.27
-42.68
cn04-2fe56bfb
38.10
28.33
-9.76
dc22-fdcac232
35.51
36.65
+1.14
ft09-0d8bbf25
60.71
100.00
+39.29
g50t-5849a774
14.05
11.70
-2.35
ka59-38d34dbb
30.48
11.45
-19.03
lf52-271a04aa
2.73
2.92
+0.19
lp85-305b61c3
100.00
97.67
-2.33
ls20-9607627b
20.11
28.73
+8.61
m0r0-492f87ba
63.10
57.14
-5.96
r11l-495a7899
92.86
73.81
-19.05
re86-8af5384d
44.16
40.35
-3.82
s5i5-18d95033
24.63
13.03
-11.60
sb26-7fbdac44
89.99
88.75
-1.25
sc25-635fd71a
59.83
87.03
+27.20
sk48-d8078629
2.02
0.58
-1.43
sp80-589a99af
15.48
33.89
+18.41
su15-1944f8ab
20.88
61.41
+40.53
tn36-ef4dde99
1.68
2.52
+0.83
tr87-cd924810
74.62
85.71
+11.10
tu93-0768757b
81.19
73.09
-8.10
vc33-5430563c
94.89
97.42
+2.54
wa30-ee6fef47
12.15
2.22
-9.93
Uso de la pieza
5.034 líneas [effects] empujadas, presentes en las 50 partidas. El tope por fragmento (2.000 caracteres) saltó 4 veces. El ensayo en seco con las partidas grabadas preveía ~5.200 líneas, así que la pieza funcionó como se diseñó.
El modelo no tiene que llamar a nada; el texto de las transcripciones menciona las líneas de efectos unas 185 veces (cuenta aproximada).
Conducta de las llamadas (tools/call_profile.py, frente a la base agrupada v3 + v6)
Corrida
pasos
llamadas
llamadas/paso
actúan
leen transitions
recorren transitions
Base v3
3221
4608
1.43
43.0 %
6.9 %
2.1 %
A/A v6
3159
4502
1.43
44.2 %
6.8 %
2.2 %
E1 v4
3108
4564
1.47
40.6 %
10.7 %
5.1 %
E1b v7
3127
4413
1.41
41.9 %
7.2 %
2.3 %
E1b no repite la distracción de E1. La lectura manual de transitions queda en 7,2 % (8 juegos por encima de la base y 17 por debajo; p = 0,11), frente al 10,7 % de E1. Empujar la información desde el arnés evitó que el modelo la reconstruyera a mano.
Las llamadas que actúan bajan algo, 41,9 % frente a 43,0–44,2 % (15 de 25 juegos por debajo, p = 0,42). No es significativo.
Lectura
E1b es neutral: 48,50 frente a 48,00 con cap 1,15 (+0,49, banda 10,03) y 46,59 frente a 46,09 con cap 1. Gana en 10 juegos y pierde en 12.
Sus pasadas (51,55 y 45,44) caen dentro del rango de la base (41,85–51,88). La pasada 0 llega a 114 niveles, el máximo de todas las pasadas (la base va de 99 a 109), pero la pasada 1 se queda en 102.
Los movimientos por juego (su15 +40, ft09 +39, cd82 −43) tienen el mismo tamaño que los del A/A, donde el mismo programa movió cn04 −67, cd82 −46 y m0r0 +35.
Conclusión: decir al modelo qué hizo cada acción, sin que lo pida, no cambia cuántos niveles alcanza. Las pérdidas de la base son de alcance (unos 49 puntos por niveles no alcanzados), y saber los efectos de cada acción no las resuelve.
RTX: ~4,3 h. Gastadas ≈ 21,6 h de 30; quedan ≈ 8,4 h.
echolabs