Sustrato
Cómputo disperso, localmente recurrente y consciente de la energía como objetivo de investigación de primera clase.
Más allá de los transformers
Una apuesta de investigación, con los negativos en la misma página que los aciertos.
Cómputo de inspiración biológica y cognición nativa del sustrato — incluyendo los resultados negativos.
Cita
ReasonLoom Research · Más allá de los transformers · registro interno, 2026.
Por qué esto importa
Una apuesta distinta sobre de dónde viene el progreso
La apuesta dominante de la última década ha sido «escalar la atención». Nuestra apuesta de investigación es distinta: el siguiente paso es un sustrato diferente, organizado en torno a códigos poblacionales dispersos, recurrencia local y enrutamiento consciente de la energía. Perseguimos esa apuesta de extremo a extremo —sustrato, memoria, bucle de entrenamiento, silicio— y publicamos las falsaciones junto a los aciertos.
Líneas de trabajo
Cuatro líneas que componen la apuesta
La investigación más allá de los transformers en ReasonLoom no es un único paper; son cuatro programas paralelos que convergen.
Memoria
Binding estructurado como sustituto de las ventanas de contexto.
Entrenador
Un bucle de desarrollo que fundamenta la producción, con un verificador tipado en el medio.
Silicio
Chips cuya disposición comparte la geometría que usa el sustrato.
Falsaciones que hemos publicado internamente
Lo que no funcionó, y lo que eso nos enseñó
Los negativos honestos son una ventaja competitiva. Cada entrada de abajo es una falsación que nosotros mismos ejecutamos y decidimos dejar registrada.
N1
Negativo 1
falsado · publicado
Puente de hardware falsado a escala
Un puente de cómputo propuesto fue superado por un baseline denso bien ajustado en la marca del millón de entradas. El negativo reconfiguró el roadmap de silicio.
multi-semilla held-out retirado del roadmap
N2
Negativo 2
falsado · publicado
Afirmación sobre priors arquitectónicos falsada
Un test A/B limpio frente a un baseline transformer fuerte mostró que nuestra arquitectura post-transformer no gana, por sí sola, ni en nombrado ni en continuidad. El valor robusto reside en el objetivo de entrenamiento y en el binding de memoria estructurada, no en la arquitectura.
multi-semilla held-out retirado del roadmap
N3
Negativo 3
falsado · publicado
El atajo de destilación colapsa en una tabla de búsqueda
Una vía de destilación que parecía atractiva en las pruebas iniciales colapsó en una tabla de memorización bajo evaluación held-out. La publicamos como una advertencia a nivel de paradigma.
multi-semilla held-out retirado del roadmap
Honestidad multi-semilla
Lo que sobrevive, con barras de error
Cada afirmación se acompaña de la varianza entre semillas. Un acierto en una semilla no es un resultado — un acierto en cinco sí lo es, y un no-acierto se reporta del mismo modo.
| Eje | Valor | ± semillas | n | Estado |
|---|---|---|---|---|
| Lifelong retain-advantage | +0.65 | ±0.02 | 5 | survives |
| CLS sample efficiency | 1.90× | ±0.14 | 5 | survives |
| Slot 2-factor lift | +0.82 | ±0.08 | 5 | survives |
| Imprevisto recovery | +0.13 | ±0.09 | 5 | survives · soft |
| Arch-on-naming win | 0.00 | ±0.00 | 5 | retired |
| Arch-on-continuity win | −0.28 | ±0.27 | 5 | retired |
Por qué publicamos lo que no funciona
Los negativos honestos son una ventaja competitiva. La mayoría de las afirmaciones más allá de los transformers del campo no sobreviven a una evaluación controlada; las nuestras se prueban frente a baselines fuertes y o sobreviven o se retiran. Publicamos ambos resultados porque el campo avanza más rápido cuando los callejones sin salida están documentados.
Lo que sobrevive
La memoria estructurada gana como sustituto de las ventanas de contexto. Un bucle de crianza por desarrollo gana como método de entrenamiento. Las mediciones multi-semilla separan ambos de los priors arquitectónicos que no sobrevivieron.