{
 "meta": {
  "file_name": "RosettaQ__PREREG__RQ-PREREG-VW-001__20260827T1456Z__calibracion-del-instrumento-y-alcance-declarado.json",
  "file_id": "RQ-PREREG-VW-001",
  "type": "PREREG",
  "is_demo": false,
  "scope_note": "Pre-registro del track VW (Quantum-Enhanced Vision-Language-Action Models) del 2026 Global Quantum + AI Challenge. Sellado ANTES de correr el contraste de calibracion contra la literatura de bajo rango. Entrada al track decidida por Nicholas el 27-ago-2026 tras cerrar por medicion las cuatro vias del enunciado. Todas las citas del statement se leyeron del PDF oficial, no de relevos.",
  "statement_oficial": {
   "archivo": "VW-Group-Challenge-Statement-vF.pdf",
   "sha256": "sha256:ce03dd05c0c3f2584a90d8f1984f0c3be6db76471c1ab923371e4f28c5a6f2d7",
   "paginas": 10
  },
  "prereg_del_laboratorio": {
   "archivo": "PREREG-calibracion-vw@536914a3.md",
   "sha256": "sha256:536914a33f5be1839e3d7f398ef824e48c9780c408914600e5d5fe7bb2d48666",
   "escrito_por": "Rosetta Q Lab",
   "escrito_a": "2026-08-27T11:49:49-03:00",
   "nota": "El contenido vive en ese archivo. Aqui se referencia por hash: no se transcribio."
  },
  "schema": "rosettaq-archive/v3",
  "sealed_at": "2026-08-27T14:56:14+00:00",
  "sealed_by": {
   "lib": "rosettaq_seal.py",
   "lib_version": "3.0.0",
   "lib_sha256": "sha256:bbe3ffcd5a52cf0c79f596351d3880fe487acdb92710e7aed9cc4a8349114a7f",
   "harness": "seal_prereg_vw.py",
   "harness_version": "1.0.0",
   "harness_sha256": "sha256:8a49ac3afc40576cf7a998f12fd3b7d5947a18becf5cf0e7ef50c72227599082",
   "convention": "v3: sha256(JCS/RFC-8785 del mismo payload de v2 — {meta sin content_hash/schema, cuerpo sin storage}). El payload no cambia; cambia la serializacion, para que el hash se pueda recomputar en cualquier lenguaje y no solo en Python."
  },
  "content_hash": "sha256:3aeb37a8ab9465c49a88858f8219f9549fe5e9ce0f1d18dc58705901edb0b8f0"
 },
 "w6": {
  "que": {
   "objetivo_del_challenge_textual": "«Demonstrate a clear, well-justified quantum-enhanced or quantum-inspired computational advantage over an accepted classical baseline.» (§4.1). Sub-track elegido: Compression, Application Context 1 (Autonomous Driving) — modelo de referencia LLaVA-1.5-7B, baseline aceptado INT8 via bitsandbytes.",
   "DECISION_que_entregamos": "NO entregamos un metodo de compresion: entregamos la medicion de lo que el espectro de LLaVA-1.5-7B dice sobre la afirmacion del propio §5.1 del enunciado — «MPS and TTNS ... enabling 2-10x compression while preserving accuracy». Las tres vias de compresion se midieron y ninguna cruza el umbral.",
   "DECISION_como_se_llama": "NO se llama «tamiz de factibilidad» ni «curva de calibracion» mientras no este validado. Un tamiz PREDICE; nosotros describimos un modelo. Y tres compresiones de UN modelo son tres puntos de una recta, no una curva. Ponerle a un objeto el nombre de lo que queremos que sea es el defecto que este equipo corrigio cuatro veces el 27-ago.",
   "resultados_ya_medidos_antes_de_este_sello": {
    "reparto_de_chi_por_capa": "1.02x-1.08x de mejora sobre corte uniforme en espectros REALES, contra 1.1x-18.8x en espectros sinteticos fabricados por nosotros. La heterogeneidad real entre capas es 1.22x, no las ~15x del sintetico.",
    "error_a_la_compresion_exigida": "Frobenius relativo, 21 matrices (7 tipos x 3 capas): mediana ~0.55 y peor 0.5924 a 2x. Las del MLP, que son las que mas parametros tienen, son las peores. Una cifra previa de 0.4397 salio de una muestra solo de atencion y era optimista: queda corregida aqui.",
    "reshape_a_MPO": "corte del medio, capa 16 q_proj: orden natural chi(90%)=226 contra permutado al azar 228. Sin señal de estructura de orden. n=1 declarado."
   },
   "LIMITES_de_lo_que_medimos": "Es error de reconstruccion de PESOS, no caida de precision en tarea. No dice si la sanacion recupera, ni si TTNS se comporta distinto de MPO, ni que pasa combinando redes tensoriales con cuantizacion — que es lo que hace CompactifAI, el paper que el propio enunciado cita."
  },
  "como": {
   "obtencion_de_pesos": "peticiones HTTP por rango sobre los safetensors publicados: se lee la cabecera JSON con los desplazamientos y se pide solo el tensor buscado. 32 MB por matriz en vez de 14 GB de modelo.",
   "contraste_de_calibracion": "contra la familia de bajo rango sobre LLaMA-7B (FWSVD, ASVD, SVD-LLM), que hace NUESTRA operacion —truncamiento de SVD 2D— y publica precision a razones declaradas. NO contra CompactifAI: ellos validan MPO mas sanacion, que es otra operacion.",
   "procedencia_de_las_cifras_del_contraste": "tabla comparativa de arXiv:2602.03051 (SAES-SVD, 3-feb-2026), abierta por el laboratorio. Son cifras que un TERCERO reporta de esos tres metodos, no las que cada metodo publica de si mismo. Se declara porque no siempre coinciden.",
   "compute": "CPU. Cero GPU. Cero gasto — el tope autorizado era US$40 y no se usa."
  },
  "cuando": {
   "archived_at": "2026-08-27T14:56:14+00:00",
   "fase_I_cierra": "2026-09-15",
   "entrega_a_Nicholas": "2026-09-14 (margen, no plan)"
  },
  "donde": {
   "trabajo": "lab-vw-2026-08-26 (arbol del laboratorio, un actor)",
   "paquete": "evidence-staging y evidence (coordinacion)"
  },
  "porque": {
   "question": "¿puede la compresion por redes tensoriales llevar un VLAM de 7B a hardware embarcado sin perder precision, como afirma el §5.1 del enunciado — y se puede saber ANTES de gastar en GPU?",
   "para_que": "el problema declarado de VW es meter un VLAM en un SoC de vehiculo. Hoy si una campaña de compresion va a funcionar se descubre despues de pagarla."
  },
  "quien": {
   "lab": "Rosetta Quantum — sesion laboratorio",
   "coordinacion": "Rosetta Q Main (notario)",
   "lead": "Nicholas Iakl Freundlich",
   "separacion_de_deberes": "medicion y guion del laboratorio; informe, guardias y sello de la coordinacion; el texto que lee el jurado pasa por Nicholas antes de salir."
  },
  "DECLARACION_de_lo_que_NO_vamos_a_cumplir": {
   "nota": "Se fija ANTES para que no se pueda ablandar despues. Van en el CUERPO del informe, no en un apendice.",
   "§4.1_ventaja": "NO se demuestra ventaja sobre el baseline clasico. Nuestra contribucion propia midio 1.02x.",
   "R2_parametros_a_precision_equivalente": "NO se logra.",
   "R15_latencia": "NO se reporta latencia de inferencia del modelo desplegado: no tenemos un VLAM comprimido que medir. Poner ahi la latencia del instrumento seria un numero correcto en la casilla equivocada.",
   "amparo_textual": "§5.5: «Submissions are not penalized for accuracy degradation below the stated minimum threshold, provided the tradeoff is clearly characterized.»"
  }
 }
}