HUB_Optimus

🇪🇸 Versión en español: ./es/05_meta_learning.md

Meta-learning (ES)

El objetivo de “meta-learning” es convertir cada simulación en mejoras concretas del sistema: escenario, reglas, verificación, métricas y redacción. No es “reflexión general”, es ingeniería de aprendizaje: detectar fallos, corregirlos y probar de nuevo.


1) Resultado en una frase

2) Señales y evidencia

Enumera 3–10 evidencias observables:

3) Diagnóstico (qué falló y por qué)

Clasifica los fallos (marca los que apliquen):

4) Parche mínimo viable (PMV)

Define el cambio más pequeño que mejora el sistema:

5) Cambios recomendados (lista priorizada)

Haz una lista breve (máx. 10), con prioridad: 1) Alta: rompe la simulación si no se arregla 2) Media: mejora mucho, pero no bloquea 3) Baja: pulido / estilo / mejoras menores

Para cada cambio:

6) Métricas simples (para comparar iteraciones)

Elige 3–5 métricas y mantenlas en el tiempo:

7) Decisión: ¿repetir o escalar?

8) Registro (muy recomendado)

Añade al final del escenario o en notas:


Checklist de cierre (30 segundos)

Siguiente: