Qué quiero poner a prueba ahora

ARC primero, SWE-bench como contraste y una curva de presupuestos para distinguir gasto de capacidad.

La siguiente fase tiene ARC-AGI-3 como prioridad y SWE-bench como contraste secundario. Investigo si un agente que escribe código puede aprovechar mejor los cambios entre frames, una planificación geométrica condicionada y una memoria que revise sus restricciones cuando cambia el contexto.

Hipótesis, no etiquetas automáticas

Un objeto que se mueve después de una acción es un candidato a agente, no una identidad demostrada. Un contacto puede sugerir una llave, una pared o un peligro, pero también puede coincidir con un efecto retardado. Conservaré acceso al frame completo y trataré esas interpretaciones como hipótesis con soporte y contradicciones.

La planificación del Arácnido usa BFS sobre un modelo finito y espacio observado. Puede ser útil donde sus precondiciones se cumplan. Si una puerta se abre después, una inhibición debe poder retirarse. No voy a prometer que un agente jamás repita un fallo o que una imagen idéntica sea el mismo estado oculto.

Más dinero también necesita un control

En 5.1, S gastó más y resolvió un issue más. Esa observación no demuestra que aumentar gasto cause siempre más aciertos. Compararé presupuestos asignados B0, 2B0 y, si cabe, 4B0, manteniendo modelo y herramientas dentro de cada contraste. Mediré resolución, acciones físicas, tokens, tiempo y coste por solución.

Lo que está pendiente

El adaptador ARC y el ejecutor aislado ya tienen una primera aceptación funcional CPU, documentada en el cuaderno de ECHO-5.5-v1. Las ablaciones y la ventaja de resolución oficial siguen pendientes. El límite monetario está pendiente. Para SWE-bench necesito una cohorte nueva y un baseline con el mismo modelo; cambiar de modelo y vencer el registro antiguo no demostraría una mejora causal de ECHO.

Busco inversión para poder completar comparaciones, réplicas independientes y desarrollo reproducible. Mi compromiso es publicar los resultados con el alcance que realmente tengan, también cuando no confirmen la hipótesis.