ember-memory-test/episodes/EXPLORA_s-john-y-encontr-algo-que-tenamos-dela_S20260719.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

episode_id	puente_flat	session_code	acto_dialogico	actor_flujo	criticidad_aegis	skill_dominante	fase_proyecto	tipo_semantico	summary_one_line	source_type	trust_boundary	created_at	relectura_tagged	forgejo_commit_sha
502014a1-e841-46ac-814a-d8fc96c67cda	EXPLORA_s-john-y-encontr-algo-que-tenamos-dela_S20260719.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD	S20260719.ORACULO_RETRIEVAL_X09	informar	multi_actor	low	TESSERA	operations	troubleshooting	EPISODIO 1 — MNEMO_PRE_DIGEST: 🔮 Sí, John — y encontré algo que teníamos delante de los ojo	claude_code	internal	2026-07-20T04:27:49.945034+00:00	false	pending

🔮 Sí, John — y encontré algo que teníamos delante de los ojos todo el día

Análisis completo: OPORTUNIDADES_SOTA_NO_ADOPTADAS_S20260719.md (commit a432c595 ×3).

Primero tu duda literal: "cuando vuelvas" fue un reflejo mío de cierre, no una necesidad. Estamos en GREEN; lo único que espera de verdad es el reloj de 48h.

El hallazgo: nuestro problema NO es encontrar — es ORDENAR

Mira esto, que estaba en todas las mediciones de hoy y no lo habíamos leído junto:

Medición de hoy	acierta a la 1ª	está en el top-10	la brecha
Content (696 preguntas)	0.542	0.861	+32 puntos
Subset estricto	0.383	0.714	+33
Hechos (factuales)	0.457	0.743	+29
Within-session	0.286	0.703	+42

En sencillo: la memoria SÍ encuentra la respuesta correcta — la trae entre las 10 primeras el 86% de las veces — pero en un tercio de esos casos no la pone de primera. Eso no es un fallo de búsqueda; es un fallo de orden. Y para el orden el estado del arte tiene una respuesta canónica que nosotros jamás hemos tocado: el reranker.

Por qué se nos escapó: todo el arco de hoy se libró en dos dimensiones — qué unidad guardamos (turno→tema→hecho) y qué texto embebemos (contenido→summary+título). El reranking es una tercera dimensión, ortogonal: no cambia qué guardas ni cómo lo indexas, cambia quién decide el orden final de los candidatos que ya encontraste.

Cómo funciona: hoy comparamos dos vectores calculados por separado — la pregunta por un lado, el episodio por otro; rapidísimo, pero ciego a cómo se relacionan entre sí. Un reranker (cross-encoder, o un LLM barato haciendo de juez) lee la pregunta y el candidato JUNTOS y puntúa la relación directa. Cuesta ~100× más por par… pero solo se aplica a 10 candidatos, no a 825.

Y aquí está lo mejor: el techo ya está medido en NUESTROS datos. Un reranker perfecto sobre ese top-10 daría 0.861. Uno real captura parte; aun capturando la mitad, 0.542 → ~0.70. Sería el mayor salto desde el backfill de hoy — y a diferencia de todo lo que probamos, no es una promesa de paper: es aritmética sobre nuestras propias mediciones.

Las otras cuatro que no hemos tocado