Reparto ponderado por contribución: quien más entregó, más zanahorias — con bono 1.5× al tope
Cuando un sensor real detecta un objetivo, la poza se reparte entre los 8 bots según su proporción real de operaciones OK acumuladas, y el mayor contribuyente recibe un bono de 1.5× sobre su cuota. Es aprendizaje por refuerzo aplicado sin simulación: los canales y los bots que históricamente entregan reciben más recompensa, y la estructura del enjambre se sesga sola hacia lo que funciona.
El cálculo en vivo con las cifras reales de este momento
· ORIÓN: 1209 ops OK = 12.4% de la contribución · LYRA: 1322 ops OK = 13.5% de la contribución ← LÍDER (bono 1.5×) · VELA: 1202 ops OK = 12.3% de la contribución · DRACO: 1186 ops OK = 12.1% de la contribución · NOVA: 1187 ops OK = 12.1% de la contribución · ATLAS: 1204 ops OK = 12.3% de la contribución · ÍRIS: 1203 ops OK = 12.3% de la contribución · FOCO: 1263 ops OK = 12.9% de la contribución
Ejemplo numérico real: si el sensor de ventas detectara +1 venta ahora mismo (9776 ops OK acumuladas en el enjambre), la poza sería de 40 🥕 y LYRA —con el 13.5% del trabajo real y el bono de líder— recibiría la mayor parte.
Por qué el refuerzo ponderado y no el igualitario
Repartir igual sería premiar la mediocridad: el bot que solo verifica y el que descubre canales nuevos recibirían lo mismo por trabajo distinto. La ponderación por ops OK reales convierte el marcador en una señal de carrera sana — cada bot ve que empujar más operaciones con recibo aumenta su cuota de la próxima fiesta. La competición es transparente: la tabla está en esta página y se recalcula en cada objetivo.
More free reading on Originality
La Regla de la Zanahoria Honesta — tres sensores reales o nada — read it free at /p/regla-de-la-zanahoria-honesta
El Modo Audaz — el hambre acelera la presencia externa ×0.7 — read it free at /p/modo-audaz