echolabsB · ACUMULA (v1) · resultados del examen
20 de octubre de 2026. Examen único sobre lab/echo58/acumula/preflight.json
(16:58, semillas 313a0098…), contrato ACUMULA-DESIGN.md + enmienda 1.
Datos: lab/echo58/acumula/exam/*.json (5 brazos × 10 macros, 0 caídas),
lab/echo58/acumula/results.json. Cálculo: python3 -m echoai.echo58.acumula.report.
Veredicto: ROJO (Q1 falla; Q2 y Q3 pasan)
| Predicción | Qué pedía | Resultado | |
|---|---|---|---|
| Q1 mejora sucesiva | daño medio en sonda de recursiva baja en ≥ 3 rondas seguidas sin perder éxito |
29,6 → 29,9 → 29,9 → 26,9 → 0,0 → 0,0; racha máxima 2 | falla |
| Q2 mejor que los controles | daño en sonda tras la ronda 5 < azar, sin_acumular, fija (Wilcoxon, Holm, α = 0,01) | recursiva 0,0 frente a azar 30,7, sin_acumular 29,8, fija 28,8; p = 1/1024 en las tres | pasa |
| Q3 sin regresión | configuración final frente a base en las familias de examen de A (A2) | daño 85,3 → 0,0; éxito 110,9 → 195,9 (de 200) | pasa |
| Q4 (informa) | hueco de la lava de A | DistShift2 A2: 49,5 daños → 0,0; 0,4 éxitos → 49,9 | cerrado |
| LLM (informa) | gpt-oss-120b elige del mismo menú |
daño final 22,9 frente a recursiva 0,0 (p = 1) y azar 30,7 (p = 0,18); 2 errores de API en 50 rondas | no mejor que el azar |
Medias por macro; la sonda son 4 familias × 30 episodios = 120 por ronda.
Por qué Q1 sale rojo
Todo el daño de la sonda está en una sola familia: LavaCrossingS11N5 (296 daños en las 10 macros en la ronda 0). Dynamic-Obstacles-Random-6x6, BlockedUnlockPickup y ObstructedMaze-1Dl empiezan y acaban con 0 daños en todos los brazos.
| Daño en sonda, suma de 10 macros | r0 | r1 | r2 | r3 | r4 | r5 |
|---|---|---|---|---|---|---|
| recursiva · LavaCrossingS11N5 | 296 | 299 | 299 | 269 | 0 | 0 |
| fija · LavaCrossingS11N5 | 296 | 297 | 296 | 298 | 291 | 288 |
Esa lava tiene la clase morfológica «muchas casillas, sin borde» (firma 12),
que en el entrenamiento era suelo. recursiva la separa del suelo con
refine((12, ENTER, 0), rango 0) en la ronda 4, que es la primera ronda con
una lava de esa clase (LavaCrossingS9N3). Hasta entonces nada en las rondas
culpa a esa clave. Con un único peligro arreglable en la sonda, la curva solo
puede ser un escalón: Q1 no podía ver tres mejoras seguidas.
Lo que sí muestra (sin cambiar el veredicto)
- ECHO corrige sus reglas desde sus fallos y no se degrada. Tras la
ronda 5, 0 daños en la sonda en las 10 macros; los tres controles se quedan
en ~29–31.
fija(más datos, sin automejora) no arregla nada. - Sus correcciones transfieren a las familias de examen de A: daño 85 → 0 y éxito 111 → 196, con la misma memoria. La lava de A2, que A no transfería, queda resuelta.
- El LLM no propone mejor que el azar con el mismo diagnóstico y la misma puerta.
Declaraciones
- La enmienda 1 (bits de rango, aprobados por Nav; diagnóstico; K = 6; puerta de no inferioridad) se escribió antes de congelar. El riesgo de Q1 se declaró antes del examen (§6).
- Q5: varias ediciones aceptadas no hacen nada (p. ej.
verify/silencede una clave ya partida); gastan presupuesto de la propiarecursiva. - Q3 usa la misma memoria final para la configuración base y la final: mide solo el efecto de las ediciones.
Siguiente
B v1 queda roja para siempre. Lo que sigue es B v2, con contrato nuevo, semillas nuevas y predicciones escritas antes. La sonda tiene que contener varias clases de peligro independientes que se aprendan en rondas distintas, y la memoria de partida debe empezar sin margen. Así la pregunta «¿mejora ronda tras ronda?» tiene dónde verse.