echolabsS6-B23 R3: resultado del micro en Kaggle
8 de octubre de 2026. Notebook privado
rogeernavarro/echo45-s6b23-micro-r3-20261008. El cierre remoto se produjo
a las 06:31, hora de Madrid. Estado de Kaggle: COMPLETE.
El recibo b23-closed.json declara DIAGNOSTIC_COMPLETE, valid=true,
s6_green=false, 2.478 partidas físicas y 36 llamadas a los modelos. La
revisión aritmética independiente declara valid=true, 90 intentos lógicos
y 177 mediciones. El micro contiene 18 plazas por cada uno de los cinco
brazos y ningún ganador. transfer={}: desarrollo amplio y conservación
no se abrieron. Confirmación, campaña y examen B1–B5 no se ejecutaron.
| Brazo | Intentos | Ejecutados como políticas | Resultado relevante |
|---|---|---|---|
| M23, selector nuevo sin LLM | 18 | 18 | Cero pases. Máximo +9 niveles, con pérdidas individuales en cinco casos. |
| M22, buscador anterior | 18 | 18 | Cero pases. Máximo +8 niveles, con pérdidas individuales. |
| R22, control aleatorio | 18 | 18 | Cero pases. Máximo +8 niveles, con pérdidas individuales. |
| N7, Qwen2.5-Coder 7B | 18 | 0 | 18 propuestas inválidas antes del simulador. |
| N14, Qwen2.5-Coder 14B | 18 | 0 | 18 propuestas inválidas antes del simulador. |
La base del micro son 61 niveles en 14 partidas conocidas. Ganancia global de niveles no autoriza promoción cuando otra partida pierde niveles o score. Hubo algunas mejoras de +1 sin pérdidas; el umbral de aceptación exige al menos +2 y ninguna pérdida individual. El micro utiliza un único recorrido por brazo, así que incluso un ganador habría requerido confirmación posterior.
Diagnóstico de las llamadas al neocórtex
Los 36 procesos de inferencia devolvieron código de salida correcto y su
contabilidad figura en b23-model-budget.json. En los result.json de la
evidencia completa, 33/36 salidas empezaban con un bloque de código Markdown
etiquetado como JSON; el parser del contrato exigía JSON puro. Las otras tres tenían
una estructura inválida. Un análisis retrospectivo que retiró solo las
cercas y el marcador final encontró 0/36 propuestas legales: también
había listas de valores permitidos donde se pedía un escalar, guardas con
texto de ejemplo o claves fuera del esquema. Ese análisis no altera los
veredictos congelados ni ejecuta candidatos.
El prompt contenía un objeto response_schema que representaba la lista de
valores permitidos para HOLD y una cadena descriptiva para when. Varios
outputs copiaron esa plantilla como si fuera una propuesta. Es un indicio
concreto de ambigüedad de la interfaz; la evidencia no permite atribuir
cuánto corresponde al modelo y cuánto al prompt. En este R3, 7B y 14B no
recibieron feedback de pérdidas reales porque ninguna salida pasó el parseo.
No se ha demostrado que 14B razone mejor o peor que 7B sobre estas reglas.
El siguiente contraste de neocórtex requiere una condición nueva declarada: un ejemplo sintáctico legal y neutral, diagnóstico de formato separado de los casos científicos, y verificación de que las propuestas pasan el validador antes de gastar otra batería completa. Ese ejemplo no debe contener ninguna solución ni control humano. La prueba congelada R3 seguirá siendo el resultado original. La decisión sobre B24 debe considerar primero esta limitación; aumentar investigadores que producen cero políticas legales no mide cooperación.
Recibos locales: cierre, micro, auditoría aritmética, evidencia íntegra.