README: los numeros del gestor de contexto, con referencias

README.md

@@ -61,3 +61,35 @@ all in one tab: **<https://bitacora.utopiaia.com/#elffuss>**
 - 💻 Source (Apache-2.0): <https://github.com/KikoCis/elffuss-code>
 - ✳️ Sibling project — Elffuss Claw (agentic OS): <https://huggingface.co/spaces/KikoCis/elffuss-claw>
 - 🧬 Shared core: <https://github.com/KikoCis/elffuss>
+
+## Gestión de contexto — cómo se mide
+
+El empaquetador de contexto no se elige por intuición. Números medidos a **igual presupuesto de tokens**:
+
+**Sesiones reales de agente** (25 sesiones, 174 sondas, recuerdo de hechos, sin juez LLM):
+
+| | recuerdo |
+|---|---|
+| truncar por la cola | 7,0 % |
+| versión anterior | 15,1 % |
+| **esta** | **65,3 % ± 8,5** |
+
+**Memoria a largo plazo** (200 preguntas, F1 del propio repo del banco, modelo real respondiendo, ~8 % del contexto):
+
+| | F1 |
+|---|---|
+| **el contexto COMPLETO, sin comprimir** | **22,56** |
+| truncar por la cola | 6,62 |
+| heurísticas escritas a mano | 6,07 |
+| BM25 sin IDF | 20,34 |
+| BM25 | 23,59 |
+| embeddings | 23,95 |
+| **fusión por rangos (BM25 + embeddings)** | **28,09** |
+
+**Recuperar bien bate a tenerlo todo**: 28,09 frente a 22,56 usando el 8 % de los tokens. Lo irrelevante no es lastre neutro — distrae.
+
+Otras dos cosas que se miden y no se suponen: activar las heurísticas costaba **−3,02 F1**, y quitar la IDF cuesta **−3,25**. Lo semántico no sustituye al léxico, le cubre el punto ciego: sin solape de vocabulario entre pregunta y respuesta los embeddings ganan (24,28 vs 18,60), con solape gana BM25 (29,33 vs 23,58), y la fusión se queda con los dos.
+
+Referencias: BM25 (Robertson et al., TREC-3 1994) · IDF (Spärck Jones, 1972) · RRF (Cormack et al., SIGIR 2009) · MMR (Carbonell & Goldstein, SIGIR 1998) · sumideros de atención (Xiao et al., ICLR 2024) · tiempo de validez (Snodgrass & Ahn, SIGMOD 1985).
+
+La historia completa, con lo que salió mal: <https://bitacora.utopiaia.com/posts/16-beaten-by-doing-nothing.html>