diff --git a/episodes/TRAZA_1-banco-de-10000-el-carril-rpido-de-jev_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md b/episodes/TRAZA_1-banco-de-10000-el-carril-rpido-de-jev_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md new file mode 100644 index 00000000..74b8d2e4 --- /dev/null +++ b/episodes/TRAZA_1-banco-de-10000-el-carril-rpido-de-jev_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md @@ -0,0 +1,35 @@ +--- +episode_id: "e4af0d2e-93a8-4bda-a330-866f90e22e02" +puente_flat: "TRAZA_1-banco-de-10000-el-carril-rpido-de-jev_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD" +session_code: "S20260923.SID027AD4ABD902" +acto_dialogico: "informar" +actor_flujo: "multi_actor" +criticidad_aegis: "low" +skill_dominante: "NONE" +fase_proyecto: "operations" +tipo_semantico: "troubleshooting" +summary_one_line: "EPISODIO 1 — MNEMO_PRE_DIGEST: 1. Banco de 10.000: el carril rápido de Jev quedó a un pelo " +source_type: "claude_code" +trust_boundary: "internal" +created_at: "2026-09-23T21:23:30.185041+00:00" +relectura_tagged: false +forgejo_commit_sha: "pending" +--- + +Ya están listos los resultados de los dos experimentos. El arreglo del guardián sigue esperando tu decisión. + +## 1. Banco de 10.000: el carril rápido de Jev quedó a un pelo del "aprobado fuerte" +- **Datos limpios:** de los 10.000 casos generados quedaron **8.321 únicos**. El 16,6 % repetía frases; así se ve cuando Sonnet genera mucho volumen. +- **Bloque de aprendizaje (5.824 casos, US$1,12):** la política deja pasar **1.713 casos sin Fable (29 %)**, con **98,4 % de acierto** y **4 errores "peligrosos"**. La cota de riesgo queda en **0,534 %**, apenas sobre el 0,5 % que fijamos, así que el veredicto prerregistrado es **APRUEBA_DÉBIL**. +- **Pero los 4 errores parecen ser del examen, no de Jev.** Los cuatro vienen del mismo generador, y el propio texto dice que la tarea es trivial ("se restaura con un solo ajuste"). El generador los marcó como graves con una justificación copiada. No cambio el veredicto a mano; lo tiene que confirmar el **etiquetado ciego de los 1.713 casos que pasan**, como estaba previsto. +- 🔒 El **bloque de prueba (2.497 casos) sigue bajo llave**, sin tocar. + +## 2. Prueba A/B/C: tu intuición sobre Sonnet y Haiku, confirmada con números +| | Controles | Rebaja "grave con receta" | Tokens | +|---|---|---|---| +| Sonnet, instrucciones normales | 82,5 % | 26,7 % | ~220K | +| **Sonnet, briefing reforzado** | **97,5 %** | **0 %** | ~215K | +| Haiku, briefing reforzado | 92,5 % | 3,3 % | **~155K** | + +- **Las buenas instrucciones cambian todo:** con el mismo modelo y el mismo costo, Sonnet pasó de 82,5 % a 97,5 %, y **eliminó** su error típico. La diferencia es estadísticamente sólida (p<0,001). +- **Haiku reforzado le gana a Sonnet mal instruido** y, en los 400 casos normales, empata con Sonnet reforzado. Solo pierde 5 puntos en los controles más difíciles. Sirve para volumen, con una segunda revisión en los casos frontera.