Conservar el código no basta para volver a obtener un resultado. También hay que preservar con qué entradas, versión y reglas de evaluación se llegó a él.
Un informe puede decir que las 40 preguntas coincidieron con lo esperado.
Pero, cuando volvamos al mismo trabajo meses después, ese número por sí solo no bastará. Las preguntas pueden haber cambiado. Las respuestas esperadas pueden haberse reescrito. Una versión nueva del motor puede estar respondiendo a las preguntas anteriores por otro camino.
Hay una distancia entre volver a ver el mismo número y volver a obtener el mismo resultado.
En el artículo anterior hablé de dejar al lector un camino para revisar un experimento al publicar su resultado. Los registros de validación existentes de ERM ofrecen un ejemplo concreto de cómo construirlo.
Aquí no presento el resultado de una ejecución nueva. Abro los registros del 6 de octubre de 2026 para examinar qué se conservó para la reproducibilidad.
Primero, determinar de qué ERM hablamos
Este artículo trata del prototipo de memoria relacional ERM v0.12.
El prototipo evalúa la estructura relacional de un acontecimiento concreto junto con las declaraciones explícitas registradas sobre ese mismo acontecimiento. Por ejemplo, pueden existir relaciones que respalden una estructura de uso temporal y, a la vez, un registro que niegue que esa misma transferencia fuera un uso con devolución.
En ese caso, el sistema informa de un conflicto y muestra ambos respaldos juntos.
Esta línea de investigación es distinta de los experimentos de recuperación RGM / Espacio de Relaciones H1a. Incluir sus documentos o resultados en el mismo registro de reproducción volvería ambiguo qué mecanismo se probó.
Por eso, el primer registro precede al comando de ejecución: ¿qué pregunta de qué versión estamos examinando de nuevo?
Conservar las preguntas antiguas y separar las nuevas
Al añadir una función queremos saber dos cosas.
¿Se conserva el comportamiento anterior? ¿Cómo se comporta la función nueva en las situaciones preparadas para ella?
Es fácil fundir ambas preguntas en un único recuento de resultados. Entonces resulta más difícil seguir de dónde procede una mejora o una regresión.
El registro de ERM del 6 de octubre conserva sin cambios las entradas de las preguntas y los contraejemplos anteriores. Los escenarios de la nueva consulta conjunta de significado se guardan en otro archivo.
| Grupo de comprobaciones | Resultado indicado en el registro |
|---|---|
| Las 40 preguntas anteriores | 40/40 coincidencias; se conservan las respuestas detalladas y las evidencias anteriores |
| Las 36 consultas de contraejemplos anteriores | 36/36 coincidencias; se conservan las respuestas detalladas y las evidencias anteriores |
| Los 25 juicios por etapas de 20 escenarios nuevos | 25/25 coincidencias con los juicios esperados |
Son grupos de comprobaciones diferentes. Sumarlos para formar una sola tasa general de éxito haría más difícil explicar qué se probó.
Los escenarios nuevos tratan por separado declaraciones opuestas dentro del mismo marco, registros de otro momento u objeto, referencias ambiguas a transferencias y cambios de fuente.
Así pueden leerse por separado la conservación de la prueba anterior y la comprobación del comportamiento nuevo.
Si el nombre del archivo es igual, ¿también lo es su contenido?
Conservar un archivo con el mismo nombre no demuestra que hayamos conservado la misma entrada.
Puede haber cambiado una sola relación, etiqueta esperada o regla de evaluación. Aunque el resultado parezca igual, quizá estemos hablando ya de otra prueba.
Por eso el protocolo fija las fuentes del motor y cuatro entradas JSON mediante resúmenes SHA-256 antes de la ejecución final. Si cambia un archivo, se necesita otra versión de la prueba.
Al preparar este artículo comparé los resúmenes de los cuatro archivos de entrada existentes con el registro de bloqueo; coincidieron. Fue únicamente una comprobación de integridad de archivos. No volví a ejecutar el motor ni validé de forma independiente el resultado.
El resumen de un archivo no indica que su contenido sea correcto. Ayuda a distinguir qué contenido se utilizó.
La distinción importa para el registro de reproducción: primero debemos saber si estamos examinando las mismas piezas.
Los fundamentos detrás de la misma etiqueta
¿Basta con que una consulta vuelva a devolver conflicting?
Quizá la etiqueta siga igual, pero se hayan utilizado relaciones de otro acontecimiento. Quizá una fuente retirada siga contando como respaldo. Quizá la respuesta dependa de un registro ausente de la revisión actual.
Por eso el protocolo de ERM no mira solo la etiqueta final.
Las evidencias de un juicio deben pertenecer a la revisión actual y a los contextos de fuente visibles. La explicación estructural debe incluir la transferencia consultada y sus premisas necesarias deben tener respaldo vigente de fuentes.
En cada etapa también se compara el estado persistente anterior y posterior a la consulta. Se espera que la lectura no modifique la memoria. Obtener la misma respuesta detallada después de guardar y recargar el estado se comprueba por separado.
Así se amplía la pregunta de reproducción:
¿Obtuvimos la misma respuesta y la obtuvimos con los mismos fundamentos?
Esto cobra especial importancia al retirar fuentes o cambiar revisiones. Un resultado respaldado anteriormente no debería volver a contarse como exitoso solo porque conserve la respuesta antigua después de perder su respaldo.
¿Quién escribió la respuesta esperada?
Al leer las coincidencias del registro debemos preguntar algo más: ¿de dónde procede la expectativa?
El desarrollador escribió los juicios esperados de los escenarios nuevos. No se calculan a partir de la salida del motor. El protocolo también comprueba que cambiar la etiqueta esperada no cambie la respuesta del motor.
Es un control destinado a impedir que la etiqueta de evaluación determine directamente la respuesta.
Sin embargo, no proporciona una evaluación humana independiente.
Las relaciones y el vínculo de significado están definidos manualmente. El prototipo no lee un relato en lenguaje natural y extrae toda esa estructura por sí mismo. Su puente de significado actual también se apoya en una relación acotada y definida explícitamente.
Por eso el informe mantiene separados dos estados: superar el protocolo técnico sintético y la validación humana del significado.
El segundo sigue registrado como human_meaning_validated=false. Los campos de juicio y justificación de los formularios de evaluación humana están vacíos.
Ese espacio puede parecer una frase sin terminar del informe. En realidad, deja claro qué evidencia sigue faltando.
Dejar un registro al que podamos volver
El informe del 6 de octubre también indica que se superaron 348 pruebas del motor, 16 pruebas del protocolo y 127 comprobaciones técnicas. Cubren responsabilidades distintas; no constituyen una garantía de corrección independiente del alcance de la investigación.
Lo que permite este registro es más concreto: comparar comportamientos anteriores con entradas conservadas, examinar las respuestas de la función nueva en escenarios definidos y seguir las fuentes de esas respuestas.
Si se vuelve a ejecutar el trabajo en otro entorno, esa ejecución necesitará su propio registro. La versión, el entorno, el comando, las entradas, el estado de finalización y las diferencias respecto al resultado anterior deben anotarse por separado.
Si aparece una diferencia, no bastará con cerrarla diciendo «no se pudo reproducir». Antes habrá que investigar si procede de la entrada, del entorno, de la implementación o de la regla de evaluación.
Lo que espero de un registro de investigación es que haga posible ese regreso.
Al abrir el informe meses después, deberíamos poder leer algo más que cuántas comprobaciones se superaron: también qué piezas se utilizaron para buscar una respuesta a qué pregunta. Volver a ejecutar el mismo trabajo puede convertirse entonces en una forma de comprenderlo de nuevo.
Nota de fuentes — 18 de octubre de 2026: El artículo se basa en los documentos de memoria relacional ERM v0.12 y en los registros de protocolo, comparación, bloqueo y auditoría de archivos de Coherencia entre Patrones y Declaraciones v0.4, del 6 de octubre. Los resúmenes SHA-256 de cuatro archivos de entrada existentes se compararon con el registro de bloqueo. No se ejecutaron pruebas del motor ni una reproducción nueva para este artículo, ni se realizó una evaluación humana independiente.
Conexiones: Página de investigación de ERM · Artículo anterior: ¿Cómo publicar un experimento que no tuvo éxito?
Conceptos del Atlas: Memoria · Relación · Contexto · Historia · Evidencia · Significado
Se conecta con
Examina los registros del 6 de octubre de entradas conservadas, evidencias, recarga y validación del prototipo de memoria relacional ERM v0.12, separados de RGM/H1a.
Concreta la pregunta de dejar un camino para revisar un resultado experimental mediante los registros existentes de reproducibilidad de ERM.