test: sweep seeds, because one seed credited a gain that is not there - #61

experiment.py comparaba variantes con el mismo split y el mismo presupuesto, y hasta ahora
con la misma única semilla. Barriendo 7/13/29/41 sobre las mismas variantes, la dispersión
entre semillas resulta ser tan grande como las ganancias que el proyecto se estaba acreditando:

El +1.2 del bloque de cara era el máximo de cuatro semillas. Su media queda por debajo
de no tener cara, y qué lado gana cambia con la semilla. El torso se comporta distinto: +0.9 de
media y el mismo signo en tres de cuatro, lo que reproduce el +1.0 que se le atribuía.
Ninguna de las dos alcanza significancia con n=4 —el error estándar de una diferencia aquí anda
por 0.008— pero pequeño-y-consistente y cero-y-errático no son el mismo hallazgo.

Lo que decide entre esas dos no es la significancia, es el coste. Los escalares de torso se
derivan de landmarks de pose que el pipeline necesita de todas formas, porque las coordenadas
de mano son relativas al torso: cuestan cinco restas. El bloque de cara cuesta una pasada
entera de FaceLandmarker por fotograma, y los fotogramas por segundo son lo que decide si la
app escribe algo.

Esto no es motivo para borrar el bloque de cara. SWL-LSE es un diccionario: signos aislados
en forma de cita, así que no hay negación, interrogativa ni topicalización que marquen los
rasgos no manuales, y las articulaciones bucales que distinguen signos manualmente idénticos no
aparecen nunca. Lo medido es que esos seis escalares no aportan en este corpus para esta
tarea. La variante más rica, face points (21 located), también midió peor, lo que se lee como
que no hay datos para aprender la cara, no como un veredicto sobre la cara.

Dos banderas nuevas, y por qué son así:

• face_hold_ms simula ejecutar el modelo de cara menos a menudo reteniendo la última lectura.
  Se pide en milisegundos, no en fotogramas: el corpus va a 20.00 fps y la app no se acerca,
  así que "uno de cada tres" son 150 ms aquí y ~600 ms en un móvil. Es la misma trampa que tapó
  el bug de los umbrales del segmentador.
• use_torso es independiente de use_pose a propósito. Apagar use_pose se llevaría también
  la posición de la mano relativa al torso, que es la única ganancia grande (+5.7), así que
  medir el torso a través de esa bandera contestaría otra pregunta.

Los logs viven en tools/train/data, que está en .gitignore, así que los hallazgos van al
README en vez de quedarse en mi máquina. Y el docblock de vocabularySignature.ts afirmaba que
todos los elementos se habían ganado su sitio: corregido en el segundo commit.