B v3 · ACUMULA-3 — contrato (APROBADO por Nav el 20/10/2026)

20 de octubre de 2026. Pista B del roadmap de ECHO-5.8. Versión nueva tras dos rojos: B v1 roja en examen (resultados), B v2 cerrada roja en desarrollo (nota). Ninguno de los dos se reetiqueta. Origen: investigación previa de B v3 (§6: prototipo de desarrollo).

1. Afirmación (y lo que no afirma)

ECHO elige y encadena ediciones de su memoria y de su política a partir de sus propios fallos medidos, ronda tras ronda, de forma que cada ronda falla menos en mundos nuevos que la anterior y mejor que los controles.

No afirma que ECHO invente conductas: las piezas de política (§2) las se diseñaron a mano mirando trazas de familias de desarrollo. El control piezas_dadas (todas las piezas desde el principio) lo mide y se informa.

Agente base de todos los brazos: el de A con los bits de rango de B v1 (acumula/agent.py) más el arreglo de la mano (un intento fallido de coger con la mano llena cuenta, en ese episodio, contra coger ese id). Es un defecto de contabilidad del agente base, no un elemento del menú. memx/ y acumula/ no se tocan: el agente nuevo hereda (b3/policy.py).
Menú de memoria: el de B v1 tras la enmienda 1 (silence, verify, refine con bits de rango, merge, bound, order).
Menú de política (piezas genéricas, sin nombres; se encienden y no se apagan):

Pieza	Regla	Señal que la propone
`commit`	no soltar lo que llevas para cambiarlo por algo ya cogido en este episodio, mientras lo que llevas pueda abrir algo alcanzable que no sea pared (id más común del borde)	`pickdrop`: un id cogido ≥ 3 veces en un episodio fallido
`no_repick`	si vuelves a coger lo que soltaste tú en esa casilla sin que nada haya cambiado (ninguna casilla abierta, nada nuevo cogido), no vuelvas a coger ese id, en ningún sitio, hasta que algo cambie	`pickdrop`, solo junto con `commit`
`no_retoggle`	si vas a accionar una casilla que ya cambiaste en este episodio, deja de accionar el id que tiene ahora, en todo el episodio (en la práctica: no volver a cerrar una puerta abierta de ese tipo)	`retoggle`: una casilla cambiada ≥ 3 veces
`clear`	soltar donde no te corte el paso (o andar ≤ 8 pasos hasta un sitio así)	`blockdrop`: una suelta redujo la zona alcanzable
`wander`	sin nada que probar, ir a la casilla alcanzable menos visitada	`idle`: ≥ 20 pasos quieto seguidos

La pareja commit+no_repick se ofrece también junta (misma señal).

3. Cómo propone ECHO y puerta

Al final de cada ronda: candidatas de memoria del diagnóstico de B v1 (enmienda 1, primeras K = 6) más las piezas propuestas por las señales de los episodios fallidos de la ronda, por frecuencia de la señal. Sin LLM; córtex apagado.

Puerta estricta (B v2, igual para todos los brazos): cada candidata, en orden, se valida en 5 semillas × 4 familias de la mezcla, sin aprender; entra si el daño no sube, el éxito no baja y mejora estrictamente daño, éxito o desperdicio.

4. Rondas, sonda, brazos

Mezcla (todas las rondas, B v2): DistShift1 · LavaCrossingS9N3 · KeyCorridorS3R2 · BlockedUnlockPickup; 10 semillas por familia y ronda; 5 rondas; el agente aprende en línea.
Sonda de examen (30 episodios por familia, régimen A2, cada familia en una copia de la memoria que aprende en línea y se tira): LavaCrossingS11N5 · DistShift2 · ObstructedMaze-2Dlh · Dynamic-Obstacles-Random-5x5. Respecto a B v2 se cambian ObstructedMaze-2Dl → 2Dlh y Dynamic-Obstacles-Random-6x6 → Random-5x5, porque miré trazas de esas dos familias durante la investigación (semillas 7 000 000+). Decisión mía, declarada.
Semillas de examen: 8 000 000+ (nunca usadas: B v1 usó 3 000 000+, B v2 reservó 6 000 000+ y no hizo examen; desarrollo 5 000 000+ y 7 000 000+). 10 macros.

Brazo	Qué hace
recursiva	acumula ediciones de memoria y piezas aceptadas
azar	mismo menú (memoria + piezas), tantas candidatas como `recursiva` habría propuesto esa ronda, elegidas al azar; misma puerta
sin_acumular	cada ronda vuelve a la base y propone solo desde esa ronda
fija	sin ediciones (solo más datos)
lote_final	sin ediciones hasta la ronda 5; entonces todo el presupuesto, desde todos los fallos vistos
vacia_online	memoria vacía aprendiendo en línea en la sonda (sin rondas)
piezas_dadas (se informa)	todas las piezas encendidas desde r0; ECHO solo edita la memoria

5. Predicciones (escritas antes de medir)

Métrica: episodios fallidos en la sonda por macro (4 × 30); el daño se informa al lado.

Q1 · mejora sucesiva: la media sobre las 10 macros de fallos en sonda de recursiva baja estrictamente en ≥ 3 transiciones seguidas de las 5 (r0 = antes de la ronda 1), sin que el daño medio suba en esas transiciones.
Q2 · mejor que los controles: en r5, fallos de recursiva < azar, sin_acumular, fija, lote_final y vacia_online: cinco Wilcoxon de una cola sobre las 10 macros, Holm, α = 0,01.
Q3 · sin regresión: con la configuración final de recursiva (memoria
- piezas) frente a la base (agente base con el arreglo de la mano), sobre la misma memoria final, en el banco de examen de A (DistShift2, UnlockPickup, Dynamic-Obstacles-16x16, ShiftTest; 50 semillas nuevas por familia): daño medio no sube y éxito medio no baja.
Q4 (se informa) · dependencia: en cuántas macros hay al menos una edición aceptada en la ronda r ≥ 2 que ya se había probado y rechazado en una ronda anterior.
Q5 (se informa) · ¿mérito de ECHO o del menú?: recursiva frente a piezas_dadas en r5 (medias y Wilcoxon en ambos sentidos).
Q6 (se informa): ediciones y piezas aceptadas por ronda.

Verde = Q1 ∧ Q2 ∧ Q3. Si no, B v3 es roja y se publica así.

6. Desarrollo (cerrado; declarado)

Todo con semillas 5 000 000+ y 7 000 000+, sonda de desarrollo LavaCrossingS9N1 · LavaCrossingS9N2 · ObstructedMaze-1Dlhb · KeyCorridorS3R3, y trazas en BlockedUnlockPickup, ObstructedMaze-1Dlh, ObstructedMaze-2Dl, KeyCorridorS3R2, Dynamic-Obstacles-Random-6x6. Ajustes de las piezas en esa fase: ver la investigación previa, §6. Resultado de desarrollo (3 macros): recursiva 267 → 118 → 84 → 63 → 38 → 39; piezas_dadas 43. Ninguna familia de la sonda de examen ni semilla 8 000 000+ se jugó antes del examen. Tras preflight no cambia nada; el examen corre una vez.

7. Riesgos

La sonda de examen puede no tener los atascos que arreglan las piezas (Lava y DistShift son de memoria; DynObs no tiene objetos). Entonces la curva puede quedarse en una sola mejora (como B v2) y Q1 sale rojo.
ObstructedMaze-2Dlh puede ser inalcanzable para la política (dos habitaciones, llave escondida): pesa igual en todos los brazos.
piezas_dadas probablemente empata o gana: no decide, pero limita lo que se puede afirmar (§1).
Puerta ruidosa con 20 mundos: igual para todos los brazos.

8. Enmienda 1 (20/10/2026, tras la revisión independiente, antes de `preflight`)

El revisor (sin ver la sonda de examen ni semillas de examen) no encontró bloqueos. Cambios:

Texto ajustado al código (§2): no_repick solo se ofrece junto con commit; la regla real de no_repick y de no_retoggle es la de la tabla (prohíben por id, no por casilla).
idle ya no cuenta los giros para encararse a algo (antes cualquier giro a la izquierda sin intención contaba como «quieto»); y si el bucle de replanificación termina poniendo una prohibición, se decide una vez más con ella. Dos defectos del código; wander nunca se aceptó en desarrollo.
azar estratificado: saca tantas ediciones de memoria del menú de memoria y tantas piezas del menú de piezas como propone recursiva esa ronda (antes sacaba de la unión, ~0,7 piezas por ronda frente a 2–3: medía en parte «piezas sí o no»). Más justo con el control.
Q4 cuenta solo candidatas que llegaron a validarse; el informe exige destroyed == 0 para el verde; la congelación añade la versión de numpy, el hash de este contrato y de los tests.

Declaraciones:

Q2 exige dominio casi total: con 10 macros, el p exacto mínimo de Wilcoxon es 0,00098 (10 de 10 a favor), 0,00195 con 9; los umbrales de Holm son 0,002 · 0,0025 · 0,0033 · 0,005 · 0,01. Al menos dos controles tienen que perder en las 10 macros (o 9 con un empate).
LavaCrossingS11N5 y DistShift2 ya se usaron en exámenes anteriores (sonda de B v1; banco de A y Q4 de B v1) con otras semillas; sus resultados están publicados en los documentos. No se diseñó ninguna pieza con ellas.
La memoria de partida la sigue entrenando el agente de B v1 (sin el arreglo de la mano), igual para todos los brazos.

Desarrollo tras la enmienda (lab/echo58/acumula3/dev-20261020T213746.json, 3 macros, sonda de desarrollo, suma fallidos/daño r0…r5):

Brazo	r0	r1	r2	r3	r4	r5
recursiva	267/173	118/14	84/0	63/0	38/0	39/0
azar (estratificado)	267/173	274/172	272/149	272/140	273/140	262/126
sin_acumular	267/173	118/14	113/17	120/21	157/29	153/33
fija	267/173					286/146
lote_final						157/33
vacia_online	116/25					116/25
piezas_dadas	215/173	71/22	44/0	42/0	37/0	43/0

El código del informe sobre estos datos: Q1 pasa (4 transiciones seguidas), Q3 pasa (daño 77,7 → 0; éxito 67,3 → 183,7), Q4 en 3 de 3 macros, destroyed 0. Q2 no se puede evaluar con 3 macros.

Invariantes: memoria entera y append-only (destroyed == 0), 0 coma flotante en agente y memoria, córtex apagado, nada nuevo bajo nexus0/, memx/, acumula/, acumula2/ sin tocar, campaña ARC intacta.