B · ACUMULA — contrato (APROBADO por Nav el 20/10/2026, con brazo LLM)

20 de octubre de 2026. Pista B del roadmap de ECHO-5.8. Requisito cumplido: A · MEMORIA-X verde (resultados). Nada de esto está implementado ni medido.

1. Pregunta

¿Puede ECHO mejorar sus propias reglas de memoria a partir de sus fallos medidos, de forma que cada ronda aprenda más rápido en un mundo nuevo que la anterior, y mejor que cambiar las reglas al azar?

Es exactamente donde cayó RSI-1 (recursivo 99 = sin acumular 99, azar 101, base 96; la curva se quedó plana). Lo que cambia aquí:

• RSI-1 proponía cambios a ciegas sobre una biblioteca DSL. Aquí cada propuesta sale de un fallo localizado: qué clave de memoria dio la creencia que precedió al daño o a la acción inútil. El azar recibe el mismo menú y el mismo número de intentos, pero no sabe dónde falló.
• Hay huecos medidos que atacar: en A, la lava con identificadores nuevos recibió una creencia equivocada (DistShift2 A2: 49,4 daños de 50, peor que barajada) y ShiftTest se quedó en la mitad.

2. Qué puede cambiar ECHO de sí mismo (menú cerrado, todo entero)

Una configuración C acompaña a la memoria. La memoria (append-only, con su cadena SHA-256) nunca se borra: las ediciones cambian cómo se lee, no lo observado. destroyed == 0.

Edición	Qué hace	Alcance
silence(k)	la regla de la clave de capa 2 k no responde	una clave
verify(k)	la creencia de k se comprueba en el episodio antes de fiarse	una clave
refine(k, b)	la clave k se parte por el bit de firma b (tamaño o borde)	una clave
merge(b)	la capa 2 ignora el bit b para lo estático	global
bound(l, n, p)	N_MIN ∈ {2, 3, 5} y UMBRAL ∈ {70, 85, 95} de la capa l	global
order	en A2, preguntar primero la capa 2 en vez de la 1	global

3. Cómo propone ECHO (sin LLM, córtex apagado)

Al final de cada ronda, por cada episodio con daño o con acciones NOOP, el diagnóstico busca la clave que respondió justo antes del fallo (capa y firma). Con eso genera candidatas del menú que tocan esa clave o su bit (silence, verify, refine) y, si el mismo bit aparece en ≥ 2 claves fallidas, merge o bound. Ordena por número de fallos explicados. Sin fallos no propone nada.

Puerta de aceptación (igual para todos los brazos): cada candidata se prueba en 20 mundos de validación de la ronda (semillas propias). Entra si el daño no sube, el éxito no baja y mejora al menos una de las dos, o el desperdicio baja ≥ 10 %. Hasta K = 4 candidatas por ronda.

4. Rondas, mundos y brazos

Cinco rondas. En cada ronda el agente juega 40 episodios de dos familias (régimen A2, ids nuevos por episodio) aprendiendo en línea, y luego propone.

Ronda	Familias de la ronda
1	DistShift1 · LavaGapS5
2	LavaCrossingS9N2 · Dynamic-Obstacles-5x5
3	DistShift2 · SimpleCrossingS9N1
4	LavaCrossingS9N3 · KeyCorridorS3R2
5	ShiftTest (ASG) · DoorKey-8x8

Sonda (mundos nuevos, nunca usados para proponer ni aceptar): LavaCrossingS11N5 · Dynamic-Obstacles-Random-6x6 · BlockedUnlockPickup · ObstructedMaze-1Dl. Tras cada ronda, la configuración y la memoria de ese momento juegan 30 episodios por familia de sonda aprendiendo en línea sobre una copia que se tira después. Eso es «velocidad de aprendizaje en un mundo nuevo».

Punto de partida de todos los brazos: la memoria aprendida de A (de la misma macro) y la configuración base de A.

Brazo	Configuración	Memoria
recursiva	acumula ediciones aceptadas	acumula
azar	mismo menú, mismas K candidatas por ronda, elegidas al azar entre las ediciones válidas, misma puerta	acumula
sin_acumular	cada ronda vuelve a la base y propone solo desde esa ronda	acumula
fija	base siempre (solo «más datos», sin automejora)	acumula

fija es el control clave: separa «mejorar las reglas» de «haber visto más mundos».

10 macro-semillas; cada una con sus propias semillas de ronda, de validación y de sonda (bloques disjuntos, fijados en preflight).

5. Predicciones (escritas antes de medir)

Métrica principal por ronda: daño acumulado en la sonda (4 familias × 30 episodios, A2), media por macro. Secundaria: éxitos en la sonda.

• Q1 · mejora sucesiva: la media de daño en sonda de recursiva baja estrictamente en ≥ 3 transiciones seguidas de las 5 (ronda 0 = antes de la ronda 1), sin que el éxito medio baje en esas transiciones.
• Q2 · mejor que los controles: tras la ronda 5, daño en sonda de recursiva < azar, < sin_acumular y < fija: tres Wilcoxon de una cola sobre las 10 macros, Holm, α = 0,01.
• Q3 · sin regresión: con la configuración final de recursiva, en el banco de examen de A (régimen A2, sus cuatro familias, semillas nuevas) el daño medio no sube y el éxito medio no baja frente a la configuración base.
• Q4 (se informa): ¿se cierra el hueco de la lava? Daño en DistShift2 A2 con la configuración final frente a la base.
• Q5 (se informa): qué ediciones se aceptaron, en qué ronda y cuántos fallos explicaba cada una.

Verde = Q1 ∧ Q2 ∧ Q3. Si recursiva empata con azar o con fija, B es roja, igual que RSI-1, y se publica así.

6. Qué se puede ajustar en desarrollo (antes de congelar)

El diagnóstico, K, el tamaño de validación y la puerta de aceptación, con semillas de desarrollo propias y sin mirar la sonda. Las predicciones, las familias de sonda y la métrica no cambian.

7. Riesgos conocidos

1. La sonda puede no beneficiarse de lo que se arregla en las rondas (ediciones demasiado locales). Entonces Q2 sale rojo: es un resultado.
2. Con las ediciones silence/verify el agente puede volverse más prudente y ganar daño a costa de éxito; por eso Q1 y Q3 exigen que el éxito no baje.
3. La puerta de aceptación es ruidosa con 20 mundos; puede aceptar ediciones malas. Afecta igual a todos los brazos.
4. Diez macros comparten la memoria de partida de A, que era casi idéntica entre macros. La variación entre macros viene de los mundos de cada ronda.

8. Decisiones de Nav

1. Aprobar este contrato (familias de ronda y de sonda incluidas).
2. Brazo LLM — APROBADO (se informa, no decide): el mismo diagnóstico se le da a un LLM (openai/gpt-oss-120b en Groq) para que elija las K candidatas del mismo menú; pasa la misma puerta. Mediría si el córtex propone mejor que ECHO o que el azar. Coste estimado: unas 500 llamadas en total, dentro del cupo gratuito diario. Temperatura 0; cada respuesta se guarda por hash del mensaje, así que repetir la corrida no vuelve a llamar. El LLM ve claves como números opacos, nunca nombres. Si la API falla o responde fuera del menú, esa ronda no propone nada (se registra).

Invariantes: memoria entera y append-only, 0 coma flotante en el agente y la memoria, el córtex no escribe hechos (sus propuestas solo entran si pasan la puerta), nada nuevo bajo nexus0/, campaña ARC intacta.