Plan de trabajo nocturno¶
Aprobado por Vladimir el 2026-11-16. Pensado para ejecutarse sin supervisión en una sesión nueva. Leer antes CLAUDE.md y docs/hallazgos-errores.md.
Autorizaciones vigentes¶
- Commits en
mainygit pushaorigin(repositorio privado). Hacer commit y push al terminar cada paso, no solo al final. - Descargar el código de dualización de hipergrafos de Takeaki Uno (MMCS, RS) desde
research.nii.ac.jp/~uno/. - Usar el descompilador CFR sobre los JAR propios de Vladimir.
- Instalar paquetes con
aptsi hacen falta.
Límites¶
- No hacer público el repositorio ni publicar nada fuera de él.
- No modificar
legacy/. - No editar la página de asesores salvo para corregir un dato que resulte falso.
- Toda corrida con límite de tiempo. Lanzar los trabajos largos en segundo plano con salida a un archivo de registro, sin tuberías que retengan la salida.
- Si un paso se bloquea, anotarlo en el reporte y pasar al siguiente.
Pasos, en orden¶
1. Cerrar la verificación de las correcciones¶
- Ejecutar
experiments/shortest/verify_fixed.py. La primera corrida se cortó a los 10 minutos sin imprimir nada: dividirla por grupo o bajar el límite por herramienta. - Criterio de éxito: los tres programas corregidos coinciden con la referencia en todas las matrices donde hay referencia.
- Dejar pruebas de regresión que se puedan correr con un solo comando, con las matrices pequeñas que disparan cada error.
2. Auditoría de impacto sobre lo publicado¶
- Para cada matriz de los paquetes de
legacy/inaoe_public/(GCreduct, MinReduct, CTBRES): contar columnas repetidas, comprobar si el grupo repetido incluye la última columna, y anotar la longitud del reducto más corto cuando se pueda calcular rápido. - Volver a correr original y corregido solo en las matrices en riesgo.
- Resultado: tabla de matrices afectadas y no afectadas, con el conteo original y el corregido.
- Intentar identificar qué archivos corresponden a la tabla de UCI del artículo de MinReduct, cuyos números no coinciden con el paquete.
3. Piloto de ordenamiento de columnas¶
- Órdenes estáticos: frecuencia ascendente, frecuencia descendente, el arreglo original de la tesis, y aleatorio como control.
- Algoritmos: GCreduct corregido, fast-BR, y
Camardfpara reductos más cortos. - Métrica principal: candidatos evaluados. Tiempo como dato secundario.
- Matrices: las UCI pequeñas y una muestra de las sintéticas de 2000 por 30 repartida por densidad, con límite de tiempo.
- Separar el efecto de permutar columnas del de permutar filas.
- Resultado: tabla y, si alcanza, una gráfica. Declarar los límites del piloto.
4. Baseline MMCS y RS¶
- Bajar y compilar el código de Uno. Escribir el adaptador de matriz básica a su formato de hipergrafo.
- Validar que da los mismos reductos que fast-BR en las matrices pequeñas.
- Primera comparación de candidatos o nodos y de tiempo contra GCreduct corregido y fast-BR.
5. Marco mínimo¶
- Contrato común: entra una matriz básica, sale JSON con tiempo, candidatos y el conjunto de reductos.
- Runner en Python con límite de tiempo y validación por conjunto.
- Notebook para Colab que compile y corra un ejemplo.
6. SRGA rápido¶
- Portar
ADL.Min()con máscaras ajava/src/shortest/Srga.java. La versión actual es correcta pero lenta: no terminó 9 de 12 matrices sintéticas en 20 segundos, mientrassRGA.jarterminó las 12.
7. Reporte¶
Escribir docs/reporte-2026-11-17.md para leer por la mañana:
- qué se completó, qué quedó a medias y qué falló, con la salida relevante;
- resultados con sus límites;
- decisiones que quedan para Vladimir.
Expectativa: completar 1, 2, 3 y 7, y avanzar 4. Lo que no alcance queda anotado como pendiente.
Cómo arrancar¶
tmux new -s reducts
cd /home/node/workspace/reducts
claude
Y como primer mensaje: Lee docs/plan-nocturno.md y ejecútalo completo sin esperar confirmación. Deja el reporte en docs/reporte-2026-11-17.md.
La sesión debe correr en un modo de permisos que no pida confirmación para comandos de shell; si pregunta, se queda detenida hasta la mañana.