ember-memory-test/episodes/TRAZA_3-la-decisin-que-sigue_S20260926.R2_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
c7c95f35-cd15-4ea9-80ab-c871f9bc4279	TRAZA_3-la-decisin-que-sigue_S20260926.R2_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD	S20260926.SID8BFB883A7AA7	informar	multi_actor	low	NONE	operations	troubleshooting	EPISODIO 2 — LUMEN-LLM: 3. La decisión que sigue	claude_code	internal	2026-09-27T04:27:28.544594+00:00	false	pending

1. El rival recibe las cartas del campeón. El brazo RAG no busca por su cuenta: recibe únicamente lo que el filtro del controlador dejó pasar. Nunca puede ganar por buscar mejor.
2. La regla de puntuación premia copiar. Un modelo que responde "La política activa es R2" pierde el punto, porque la respuesta exacta es "R2".
3. El criterio mira al rival más débil. Lo comprobé con una simulación: con el controlador empatado 1,00 a 1,00 con el RAG simple, el criterio igual se abre.

Dos matices justos con el paquete: el criterio abre una revisión humana y nunca cambia la política por su cuenta; y el README declara la puntuación exacta como límite.

Un dato más: el banco "vivo" nunca ha corrido con un modelo real. El archivo EVIDENCE.json lo declara, y el equipo de John no tiene Ollama instalado. Los brazos con modelo los probé con dobles de prueba (funciones mías que responden de forma fija), así que la sonda de la simulación demuestra una propiedad de la fórmula, no mide ningún modelo.

★ Insight ─────────────────────────────────────

• Una palabra cerró el hueco de las fechas. sol_m1 usaba re.search, que encuentra una cuenta en cualquier parte de la pregunta. SOL-M2 usa re.fullmatch, que exige que la pregunta entera sea una cuenta.
• Cerrar un hueco retirando la pieza mueve el riesgo de sitio. SOL-M2 quitó el verificador defectuoso. El riesgo pasó al filtro que decide qué tarjeta corresponde a la pregunta.
• Un rival justo busca con sus propios medios. Si el competidor del examen depende del sistema evaluado, el examen mide obediencia, no calidad. ─────────────────────────────────────────────────

3. La decisión que sigue

[R2.seccion3.Q1]

1. Reframe (qué se decide en realidad). La decisión no es "qué fallo arreglar". La decisión es el orden: arreglar primero el examen o arreglar primero el motor.

2. Historia (de dónde viene la pregunta). La cadena de ChatGPT y Grok produjo tres motores en dos días. Cada eslabón corrigió al anterior y cada uno midió con un examen propio. Ember encontró en sol_m1 un examen que se saltaba al enrutador, y en SOL-M2 un examen que favorece al controlador.

3. Consecuencias por camino.