diff --git a/docs/PROGRESS.md b/docs/PROGRESS.md index a04911d0..b4d25c33 100644 --- a/docs/PROGRESS.md +++ b/docs/PROGRESS.md @@ -9,7 +9,7 @@ ## Полигон — ПАКЕТ-7 Z4-ДОБОР + ФАЗА B ИСПОЛНЕНЫ ($0.31030 из потолка $2.60): БКРС взят, промпт-правка найдена, слепая оценка ОТБРАКОВАНА своим же контролем, 26.07 -Отчёт: `archive/reports/POLYGON_TERM_RESEARCH_B_2026-07-26.md`. Код: `eval/pkg7/` (+`bkrs_lookup` · `build_termset` · `terminologist_arms` · `blind_judge` · `repair_judge` · `score_bws`). **Добор ($0):** (1) **БКРС ВЗЯТ** — страница не JS-рендерится, а ставит куки-челлендж `ca=`; воспроизведя куку, получили **84 словарные статьи** и закрыли **17 из 20 UNCLEAR-строк** словаря (сильнейший класс улики, ноль поисковой квоты); ключевое: словарь «культивации» не знает (`修炼` = «совершенствовать и закалять себя»), `修士` = «**христ. монах**» ⇒ строка `修士→культиватор` в `genre-glossary.txt` спорна, `筑基` = «закладывание фундамента» ⇒ строка ПОДТВЕРЖДЕНА; (2) **Ngram перевёл спор в измерение**: корреляция «культивация»×«культиватор» = **0.9715** на 120-летнем ряду (сельхоз-омонимия доказана), «совершенствование» частотнее в 119.6×, биграмма «мир совершенствующихся» — 0 вхождений; (3) **конкуренты по ЛОКАЛЬНЫМ клонам** (подсказка владельца, `/home/ubuntu/projects/tmp`): три независимые команды сошлись на форме `src→dst+примечание` с фильтрацией по текущему чанку; у GalTransl — трёхслойный словарь с **условной пост-заменой** (`pre_src/post_dst`, `!отрицание`) и ситуационными ключами `mono`/`diag`; у AiNiee — блок «не переводить»; у **TransAgents терминологии нет вовсе (0 файлов .py)**, а Эндрю Ын прямо называет нашу задачу открытой; (4) `Silversaint` → «**Серебряный Святой / среброносец**» (АСТ, Абдуллин) — первый живой человеческий эталон; (5) **search-inside закрыт ОТРИЦАТЕЛЬНО**: всех трёх ISBN в Google Books нет ⇒ **развилка Z2 по `修炼` НЕ снята**. **Фаза B (310 вызовов, 480 консолидаций, 0 ошибок):** объективный слой — контексты решают всё (совпадение с подписью владельца на S1: `P0b` 10/15 против `P1`/`P2`/`P0` **15/15**), а различия между армами с контекстами = один-два терма из девятнадцати; **глоссарный контраст не измерился по построению — 0 из 80 термов покрыты жанровым словарём** (WHICH-канал даёт книжный канон, словарь — жанровые понятия; множества не пересекаются, это прямое следствие recall `term`=0.040 фазы A). **Главная промпт-находка:** правило «имя собственное → транскрипция» систематически уводит от решения владельца и живого переводчика — `春秋蝉`→«Чуньцючань» вместо «Весенне-осенняя цикада» у ВСЕХ армов с правилом, `Silversaint`→«Сильверсейнт» у `P2`/`P3` против изданного «Серебряный Святой», прокси-мера на ловушке 0.50 против 0.25 ⇒ **рекомендация сузить правило до антропонимов и топонимов**. **Веб-фетч в v2 роли — НЕТ**: агрегатного выигрыша нет, единственный случай пользы (`时辰`, где справка дословно содержит «был равен 2 часам») даёт СЛОВАРЬ, а словарь — это данные, они живут офлайн и не ломают инвариант №8. **Слепая оценка ОТБРАКОВАНА собственным контролем пре-регистрации:** BWS-счета плоские (весь разброс ±0.09 при шкале ±1), F1/F1b/F3/F4 сработали, leave-one-out по судье МЕНЯЕТ победителя, эффект позиционного свопа (до 0.107) БОЛЬШЕ разброса между армами, а **`gpt-5-mini` назвал подписанный владельцем перевод катастрофой 6 раз из 19** ⇒ по §A2.4 п.4 вердикты судей не выдаются, выводы стоят на объективном слое. Урок: пре-регистрация окупилась — без `GOLD` в слепой выборке мы выдали бы «P4 победил» и не узнали бы, что измеритель негоден. **На владельце:** 17 строк словаря на подпись · `修炼` остаётся V0 · правка промпта §B3.2 · вердикт по веб-фетчу · нужен ли повторный замер ДРУГИМ инструментом. ⚠ **РЕВИЗИЯ ИСПОЛНЕНИЕМ (та же сессия, после сдачи; §B6 отчёта + `eval/pkg7/audit_phaseB.py`) — четыре вывода выше ИСПРАВЛЕНЫ, читать только вместе с §B6:** (а) **отбраковка судей СНЯТА** — контроль §A2.4 п.4 был структурно неизмерим: строка `GOLD` не была уникальной ни на одном из 19 термов, а все 6 «катастроф на подписи» судья проставил РОВНО на буквах с тем же текстом, то есть вёл себя согласованно и спорил с каноном по существу; (б) **вывод «судьи не имеют разрешающей способности» ОПРОВЕРГНУТ их же данными** — 35 термов из 80 вырождены (все семь кандидатов = одна строка), а на 45 невырожденных тем же скорером F1 переворачивается 0.044→**0.122** и F1b 0.056→**0.189**, причём `P0b` встаёт ПОСЛЕДНИМ, согласно объективному слою ⇒ негоден был НАБОР, а не измеритель; (в) **у правила транскрипции НЕ БЫЛО контрольного арма** — оно лежит в общей части промпта и присутствует во всех шести армах (канон выдал `P0`, у которого правил больше всех), поэтому рекомендация §B3.2 понижена до гипотезы (проверка — арм без правила, ≈$0.02); (г) **«три независимые улики» оказались одной** — весь разрыв прокси на S5 даёт единственный терм `春秋蝉`, а `Silversaint` держится на сводке веб-поиска, не сверенной с телом издания (в сводке — «угодник-среброносец» и «AST/EKSMO») ⇒ человеческого эталона для en у нас НЕТ. **Перепроверку прошли без правок:** §B1.1 до строки · покрытие 0/80 (и 0/80 даже на ПОЛНОМ словаре §Z4-Т) ⇒ Z-B6 устоял · деньги $0.31030 из сырья · весь Ngram до знака · якоря фазы A по пину `996bade`. **РАЗВЯЗКА — фаза B′ (санкция владельца, отчёт `archive/reports/POLYGON_TERM_RESEARCH_B2_2026-07-26.md`, $0.14013 из порога $0.30, 136 вызовов, 0 ошибок; пре-регистрация записана ДО трат):** три замера по порогам, названным заранее. **T — правило транскрипции:** арм `P5` = `P2` минус ОДНА строка (проверено diff-ом: 18641 против 18556 симв.) вернул `春秋蝉` в **точный канон владельца** и дал `Silversaint`→«Серебросвят», но агрегатный прокси-сдвиг `P2−P5 = +0.013` при пороге 0.05 ⇒ по решающему правилу **широкая формулировка §B3.2 ОПРОВЕРГНУТА, узкая ПОДДЕРЖАНА**: снятие правила помогает на предметах/приёмах (`Ashdrinker`→«Пепелитель») и ВРЕДИТ на антропонимах (`王婆`→«Старуха Ван», `月光蛊` теряет вершину `蛊`), а `提刑` без правила наоборот транслитерируется; T3 пройден (`P5` 18/19, на ловушке 4/4). **J — слепая оценка на ПОЧИНЕННОМ наборе** (45 расходящихся термов, дедуп кандидатов, подложен ДЕКОЙ): оба судьи проходят контроли с запасом — декой назван лучшим **0/45**, помечен катастрофой **43 и 45 из 45**, подпись владельца — **НИ РАЗУ**, а `grok-4.3` ставит её выше всех армов (+0.625) ⇒ **отбраковка фазы B неправомерна, находка «6 катастроф на подписи» НЕ ВОСПРОИЗВОДИТСЯ**; но ранговое согласие с объективным слоем ничтожно (ρ = +0.429 / −0.107) ⇒ **ранжировать армы слепой оценкой нельзя, её роль — катастроф-экран** (H7: разрыв до декоя 1.27–1.42 против межарменного 0.20). **R — разброс прогона:** три повтора дали `P0b` 11/12/12 против `P1` 19/18/18 ⇒ **разрыв 6 термов при размахе 1 — «контексты главный рычаг» УСТАНОВЛЕНО**, заодно объяснилась аномалия «случайный глоссарий 19/19» (лежит внутри шума прогона). H6 частично: вырожденность предсказывает не подписанность, а КЛАСС терма (S2 0.13 против S1/S4 0.53). Итого по пакету-7: $0.45043 из коридора $1.20–2.60. **На владельце теперь:** Z-B3 — принять узкую формулировку как редакторское решение · Z-B5 — менять не инструмент, а сборку набора · Z-B8 (новое) — «контексты решают» можно ратифицировать как измеренное. +Отчёт: `archive/reports/POLYGON_TERM_RESEARCH_B_2026-07-26.md`. Код: `eval/pkg7/` (+`bkrs_lookup` · `build_termset` · `terminologist_arms` · `blind_judge` · `repair_judge` · `score_bws`). **Добор ($0):** (1) **БКРС ВЗЯТ** — страница не JS-рендерится, а ставит куки-челлендж `ca=`; воспроизведя куку, получили **84 словарные статьи** и закрыли **17 из 20 UNCLEAR-строк** словаря (сильнейший класс улики, ноль поисковой квоты); ключевое: словарь «культивации» не знает (`修炼` = «совершенствовать и закалять себя»), `修士` = «**христ. монах**» ⇒ строка `修士→культиватор` в `genre-glossary.txt` спорна, `筑基` = «закладывание фундамента» ⇒ строка ПОДТВЕРЖДЕНА; (2) **Ngram перевёл спор в измерение**: корреляция «культивация»×«культиватор» = **0.9715** на 120-летнем ряду (сельхоз-омонимия доказана), «совершенствование» частотнее в 119.6×, биграмма «мир совершенствующихся» — 0 вхождений; (3) **конкуренты по ЛОКАЛЬНЫМ клонам** (подсказка владельца, `/home/ubuntu/projects/tmp`): три независимые команды сошлись на форме `src→dst+примечание` с фильтрацией по текущему чанку; у GalTransl — трёхслойный словарь с **условной пост-заменой** (`pre_src/post_dst`, `!отрицание`) и ситуационными ключами `mono`/`diag`; у AiNiee — блок «не переводить»; у **TransAgents терминологии нет вовсе (0 файлов .py)**, а Эндрю Ын прямо называет нашу задачу открытой; (4) `Silversaint` → «**Серебряный Святой / среброносец**» (АСТ, Абдуллин) — первый живой человеческий эталон; (5) **search-inside закрыт ОТРИЦАТЕЛЬНО**: всех трёх ISBN в Google Books нет ⇒ **развилка Z2 по `修炼` НЕ снята**. **Фаза B (310 вызовов, 480 консолидаций, 0 ошибок):** объективный слой — контексты решают всё (совпадение с подписью владельца на S1: `P0b` 10/15 против `P1`/`P2`/`P0` **15/15**), а различия между армами с контекстами = один-два терма из девятнадцати; **глоссарный контраст не измерился по построению — 0 из 80 термов покрыты жанровым словарём** (WHICH-канал даёт книжный канон, словарь — жанровые понятия; множества не пересекаются, это прямое следствие recall `term`=0.040 фазы A). **Главная промпт-находка:** правило «имя собственное → транскрипция» систематически уводит от решения владельца и живого переводчика — `春秋蝉`→«Чуньцючань» вместо «Весенне-осенняя цикада» у ВСЕХ армов с правилом, `Silversaint`→«Сильверсейнт» у `P2`/`P3` против изданного «Серебряный Святой», прокси-мера на ловушке 0.50 против 0.25 ⇒ **рекомендация сузить правило до антропонимов и топонимов**. **Веб-фетч в v2 роли — НЕТ**: агрегатного выигрыша нет, единственный случай пользы (`时辰`, где справка дословно содержит «был равен 2 часам») даёт СЛОВАРЬ, а словарь — это данные, они живут офлайн и не ломают инвариант №8. **Слепая оценка ОТБРАКОВАНА собственным контролем пре-регистрации:** BWS-счета плоские (весь разброс ±0.09 при шкале ±1), F1/F1b/F3/F4 сработали, leave-one-out по судье МЕНЯЕТ победителя, эффект позиционного свопа (до 0.107) БОЛЬШЕ разброса между армами, а **`gpt-5-mini` назвал подписанный владельцем перевод катастрофой 6 раз из 19** ⇒ по §A2.4 п.4 вердикты судей не выдаются, выводы стоят на объективном слое. Урок: пре-регистрация окупилась — без `GOLD` в слепой выборке мы выдали бы «P4 победил» и не узнали бы, что измеритель негоден. **На владельце:** 17 строк словаря на подпись · `修炼` остаётся V0 · правка промпта §B3.2 · вердикт по веб-фетчу · нужен ли повторный замер ДРУГИМ инструментом. ⚠ **РЕВИЗИЯ ИСПОЛНЕНИЕМ (та же сессия, после сдачи; §B6 отчёта + `eval/pkg7/audit_phaseB.py`) — четыре вывода выше ИСПРАВЛЕНЫ, читать только вместе с §B6:** (а) **отбраковка судей СНЯТА** — контроль §A2.4 п.4 был структурно неизмерим: строка `GOLD` не была уникальной ни на одном из 19 термов, а все 6 «катастроф на подписи» судья проставил РОВНО на буквах с тем же текстом, то есть вёл себя согласованно и спорил с каноном по существу; (б) **вывод «судьи не имеют разрешающей способности» ОПРОВЕРГНУТ их же данными** — 35 термов из 80 вырождены (все семь кандидатов = одна строка), а на 45 невырожденных тем же скорером F1 переворачивается 0.044→**0.122** и F1b 0.056→**0.189**, причём `P0b` встаёт ПОСЛЕДНИМ, согласно объективному слою ⇒ негоден был НАБОР, а не измеритель; (в) **у правила транскрипции НЕ БЫЛО контрольного арма** — оно лежит в общей части промпта и присутствует во всех шести армах (канон выдал `P0`, у которого правил больше всех), поэтому рекомендация §B3.2 понижена до гипотезы (проверка — арм без правила, ≈$0.02); (г) **«три независимые улики» оказались одной** — весь разрыв прокси на S5 даёт единственный терм `春秋蝉`, а `Silversaint` держится на сводке веб-поиска, не сверенной с телом издания (в сводке — «угодник-среброносец» и «AST/EKSMO») ⇒ человеческого эталона для en у нас НЕТ. **Перепроверку прошли без правок:** §B1.1 до строки · покрытие 0/80 (и 0/80 даже на ПОЛНОМ словаре §Z4-Т) ⇒ Z-B6 устоял · деньги $0.31030 из сырья · весь Ngram до знака · якоря фазы A по пину `996bade`. **РАЗВЯЗКА — фаза B′ (санкция владельца, отчёт `archive/reports/POLYGON_TERM_RESEARCH_B2_2026-07-26.md`, $0.14013 из порога $0.30, 136 вызовов, 0 ошибок; пре-регистрация записана ДО трат):** три замера по порогам, названным заранее. **T — правило транскрипции:** арм `P5` = `P2` минус ОДНА строка (проверено diff-ом: 18641 против 18556 симв.) вернул `春秋蝉` в **точный канон владельца** и дал `Silversaint`→«Серебросвят», но агрегатный прокси-сдвиг `P2−P5 = +0.013` при пороге 0.05 ⇒ по решающему правилу **широкая формулировка §B3.2 ОПРОВЕРГНУТА, узкая ПОДДЕРЖАНА**: снятие правила помогает на предметах/приёмах (`Ashdrinker`→«Пепелитель») и ВРЕДИТ на антропонимах (`王婆`→«Старуха Ван», `月光蛊` теряет вершину `蛊`), а `提刑` без правила наоборот транслитерируется; T3 пройден (`P5` 18/19, на ловушке 4/4). **J — слепая оценка на ПОЧИНЕННОМ наборе** (45 расходящихся термов, дедуп кандидатов, подложен ДЕКОЙ): оба судьи проходят контроли с запасом — декой назван лучшим **0/45**, помечен катастрофой **43 и 45 из 45**, подпись владельца — **НИ РАЗУ**, а `grok-4.3` ставит её выше всех армов (+0.625) ⇒ **отбраковка фазы B неправомерна, находка «6 катастроф на подписи» НЕ ВОСПРОИЗВОДИТСЯ**; но ранговое согласие с объективным слоем ничтожно (ρ = +0.429 / −0.107) ⇒ **ранжировать армы слепой оценкой нельзя, её роль — катастроф-экран** (H7: разрыв до декоя 1.27–1.42 против межарменного 0.20). **R — разброс прогона:** три повтора дали `P0b` 11/12/12 против `P1` 19/18/18 ⇒ **разрыв 6 термов при размахе 1 — «контексты главный рычаг» УСТАНОВЛЕНО**, заодно объяснилась аномалия «случайный глоссарий 19/19» (лежит внутри шума прогона). H6 частично: вырожденность предсказывает не подписанность, а КЛАСС терма (S2 0.13 против S1/S4 0.53). Итого по пакету-7: $0.45043 из коридора $1.20–2.60. **На владельце теперь:** Z-B3 — принять узкую формулировку как редакторское решение · Z-B5 — менять не инструмент, а сборку набора · Z-B8 (новое) — «контексты решают» можно ратифицировать как измеренное. ⚠ **РЕШЕНИЕ ВЛАДЕЛЬЦА 26.07 — ЖАНРОВЫЙ СЛОВАРЬ ОТМЕНЁН КАК КЛАСС** (амендмент к D39.42 п.1, ратификация за оркестратором; записка полигона №10): решение о переводе принадлежит подписи владельца на банк памяти, а пар-словарь навязывал бы одно видение всем книгам пары («культивация» против «совершенствования» — законно разный выбор). **Полигон согласен, и обосновали отмену наши же улики:** V0 на центральной строке `修炼` (выбор регистра, а не факт) · ложная сходимость русских глоссариев сянься (один английский первоисточник + один блогер) · покрытие **0/80** · четыре строки из шести **вообще не встречаются** в книге стенда. **Снято:** Z-B2 (17 строк на подпись) · вторая половина Z-B4 (офлайн-словарь как пар-данные — снял сам полигон: польза 1 случай из 80) · подписной статус §A4.3/§Z4-Т (переведены в справочную фактуру) · §B3.1 п.4 из рекомендации в наблюдение. **Перепрогонов НЕ требуется** — ни один вывод на словарь не опирался (`P0b`↔`P1` без словаря вовсе; `P5`↔`P2` с одинаковыми инертными строками); обесценен один арм `P0`, **$0.01362 из $0.45043** (3%). **Разматывать в паке-20 (чужая зона, список read-only):** фактор `GenreDst` в формуле консолидации `terminology.go:357-359,432-436` · `genreGlossaryMap` в `terminologist.go:130,163-166,322` · загрузчик и `GenreGlossaryFor` в `langpack.go:73-80,255-262,590-635` · тесты `langpack_test.go:394` и `terminology_test.go:230` · файл `configs/langpacks/zh-ru/genre-glossary.txt`. **ГЛАВНОЕ СЛЕДСТВИЕ:** связывающим ограничением становится recall эмиссии на классе `term` = 0.040 — `修行` встречается в книге **326 раз** и не получит соответствия НИОТКУДА (`emissionEligible` пропускает только `name|place|title`); раньше дыру теоретически прикрывал словарь. Вопрос расширения эмиссии — основной, и он согласуется с принципом владельца: даёт больше строк НА ПОДПИСЬ, ничего не решая за него. **Процессный урок:** деливерабл промта не отменяет права сессии сказать «этого делать не надо» — мы измерили основание для отмены и всё равно принесли таблицу на подпись, вместо того чтобы поднять архитектурное возражение через канал вопросов. ## Полигон — ПАКЕТ-7 ФАЗА A ИСПОЛНЕНА ($0), СТОП на ратификацию: recall WHICH-канала измерен и он 0.07–0.10, посылка «культивация» уликами не подтверждена, 26.07 diff --git a/docs/archive/reports/POLYGON_TERM_RESEARCH_A_2026-07-26.md b/docs/archive/reports/POLYGON_TERM_RESEARCH_A_2026-07-26.md index 5b2904a5..dd2eccc6 100644 --- a/docs/archive/reports/POLYGON_TERM_RESEARCH_A_2026-07-26.md +++ b/docs/archive/reports/POLYGON_TERM_RESEARCH_A_2026-07-26.md @@ -1,4 +1,11 @@ -# Полигон, пакет-7, ФАЗА A: терминологическая ресёрч-программа — рубрика, многокнижный майнинг, словарь на подпись +# Полигон, пакет-7, ФАЗА A: терминологическая ресёрч-программа — рубрика, многокнижный майнинг, улики по жанровой лексике + +> ⚠ **ПОПРАВКА 26.07.2026: жанровый словарь ОТМЕНЁН владельцем как класс** (амендмент к D39.42 п.1, +> ратификация — за оркестратором). §A4 сдавался как «словарь НА ПОДПИСЬ»; подписной статус снят со всей +> секции, включая таблицу §A4.3 — она читается как справочная фактура. **Отмену обосновали улики этого +> же отчёта:** §A4.1 показал, что «общепринятого» рендеринга нет (ложная сходимость: один английский +> первоисточник + один блогер), а центральный терм `修炼` ушёл на V0 как выбор регистра, а не факт. +> **Остальные находки §A1–A3, A5 силы не теряют** и от словаря не зависели. Развязка — записка №10. > **Статус: ФАЗА A ИСПОЛНЕНА, СТОП по приёмке.** Промт — `docs/POLYGON_PACKAGE7_TERM_SOURCES_SESSION_PROMPT.md` (v2, выдан 26.07.2026). > **$0 ПОДТВЕРЖДЁН:** ни одного платного вызова LLM-провайдера. Инструменты фазы: локальный Go/Python + веб-поиск и веб-фетч. Проверка — в §0.4. @@ -518,7 +525,15 @@ t ≈ exp(-22.231) · chars^2.013 --- -## §A4. Жанровый словарь-драфт — НА ПОДПИСЬ ВЛАДЕЛЬЦУ +## §A4. Жанровый словарь-драфт — ~~НА ПОДПИСЬ ВЛАДЕЛЬЦУ~~ ⚠ МЕХАНИЗМ ОТМЕНЁН + +> **⚠ ОТМЕНЕНО решением владельца 26.07.2026 (ратификация — за оркестратором). Подписывать здесь нечего.** +> Жанровый словарь отменён как класс: решение о переводе принадлежит подписи владельца на банк памяти, +> а пар-словарь навязывал бы одно видение всем книгам пары, тогда как выбор «культивация» против +> «совершенствования» — законно разный у разных книг. +> **Уликовая часть §A4 сохраняет силу как ФАКТУРА** (что говорит словарь, что говорит узус, где +> сходимость ложная) — именно она и обосновала отмену: §A4.1 показал, что «общепринятого» нет. +> **Подписной статус снят со всей секции**, включая таблицу §A4.3. Развязка — записка оркестратору №10. ### A4.1 Центральный спор: 修炼/修真/修行 — «культивация» или «совершенствование» @@ -587,7 +602,12 @@ t ≈ exp(-22.231) · chars^2.013 Мелкая фактическая поправка на будущее: ru.wikipedia приписывает создание системы архимандриту Иакинфу (Бичурину), 1839 г., а не самому Палладию Кафарову — популярная атрибуция неточна. Для контракта это ничего не меняет, но в доках лучше не воспроизводить ошибку. -### A4.3 Таблица-драфт НА ПОДПИСЬ +### A4.3 Таблица-драфт ~~НА ПОДПИСЬ~~ → СПРАВОЧНАЯ ФАКТУРА + +> **⚠ Подписной статус СНЯТ (владелец, 26.07): жанрового словаря не будет.** Таблица ниже читается +> как сводка улик по каждому терму (что даёт словарь, что узус, где спорно), а не как список +> соответствий к утверждению. Ценность её теперь отрицательная и от этого не меньшая: она показывает, +> что по центральным термам жанра **единого рынка не существует**. Формат — как у `genre-glossary.txt` (`srcdst[genre]`), но подписывается СОДЕРЖИМОЕ, а не файл: файл лежит в зоне бэкенда, и его правит их сессия. @@ -621,6 +641,10 @@ t ≈ exp(-22.231) · chars^2.013 ### A4.4 Замечание по `backend/configs/langpacks/zh-ru/genre-glossary.txt` (чужая зона, не трогал) +> **⚠ Файл подлежит УДАЛЕНИЮ вместе с механизмом** (решение владельца 26.07). Список того, что +> разматывать в паке-20 — записка оркестратору №10: фактор `GenreDst` в формуле консолидации · +> `genreGlossaryMap` в терминологе · загрузчик и `GenreGlossaryFor` в langpack · два теста · сам файл. + Пока я работал, бэкенд-сессия создала этот файл (untracked, 27 строк, куратор объявлен — владелец). Три его строки расходятся с уликами §A4.1–A4.3, и это стоит увидеть ДО подписи: | Строка файла | Что говорят улики | diff --git a/docs/archive/reports/POLYGON_TERM_RESEARCH_B2_2026-07-26.md b/docs/archive/reports/POLYGON_TERM_RESEARCH_B2_2026-07-26.md index f6e59ca1..0b99bedb 100644 --- a/docs/archive/reports/POLYGON_TERM_RESEARCH_B2_2026-07-26.md +++ b/docs/archive/reports/POLYGON_TERM_RESEARCH_B2_2026-07-26.md @@ -239,6 +239,13 @@ S1 14/15 (потерян `月光蛊`), **S5 4/4** (лучший результа | **Z-B7** | «отбраковка снята» | **Подтверждено замером:** находка, обосновывавшая отбраковку, не воспроизводится. Но ранжировать армы слепой оценкой всё равно нельзя (ρ = +0.43 / −0.11): её роль — катастроф-экран | | **Z-B8** (новое) | — | **«Контексты — главный рычаг» установлено с разбросом**: разрыв 6 термов против размаха 1. Это самый твёрдый количественный результат пакета-7 | +> ⚠ **ПОПРАВКА 26.07 (после сдачи B′): жанровый словарь ОТМЕНЁН владельцем как класс.** +> На замеры B′ это не влияет и перепрогонов не требует — проверено по каждому выводу: `P0b`↔`P1` (главный +> результат и повторы) идёт по армам, где словаря нет вовсе; `P5`↔`P2` несёт одинаковые шесть инертных +> строк в обоих плечах; судейские контроли с декоем от словаря не зависят. **Беспредметным становится +> только арм `P0`** — контроль «правильный словарь против случайного», $0.01362. +> Сняты Z-B2 и вторая половина Z-B4, переформулирован Z-B6 (см. отчёт B). Развязка — записка №10. + **Чего B′ по-прежнему НЕ покрывает:** V0 по `修炼` (нужно тело изданий) · человеческий эталон для en/ja · японский жанровый лексикон · роль терминолога в коде. Повторы сделаны только на zh-выборках с подписью; для ja/en разброс не мерен. diff --git a/docs/archive/reports/POLYGON_TERM_RESEARCH_B_2026-07-26.md b/docs/archive/reports/POLYGON_TERM_RESEARCH_B_2026-07-26.md index acea903a..50b96002 100644 --- a/docs/archive/reports/POLYGON_TERM_RESEARCH_B_2026-07-26.md +++ b/docs/archive/reports/POLYGON_TERM_RESEARCH_B_2026-07-26.md @@ -1,4 +1,4 @@ -# Полигон, пакет-7, Z4-добор + ФАЗА B: словарь на подпись, отбор промпта терминолога, вердикт по веб-фетчу +# Полигон, пакет-7, Z4-добор + ФАЗА B: улики по жанровой лексике, отбор промпта терминолога, вердикт по веб-фетчу > **Ревью-шапка (оркестратор №8, 26.07): B + B′ ПРИНЯТЫ, D39.46.** Приёмка исполнением из сохранённого > сырья (скрипты полигона + независимый пересчёт): **7 CONFIRMED · 1 PARTIAL · 0 REFUTED**. Деньги @@ -18,7 +18,13 @@ > Предыдущий отчёт пакета: [`POLYGON_TERM_RESEARCH_A_2026-07-26.md`](POLYGON_TERM_RESEARCH_A_2026-07-26.md). > > ⚠ **ПОПРАВКА ОТ АВТОРА (после сдачи, до приёмки): §B2.3, §B2.4, §B3.2 и §Z4.2 ЧИТАТЬ ТОЛЬКО ВМЕСТЕ С [§B6](#b6-ревизия-исполнением-адверсариальная-проверка-собственных-выводов).** -> **Развязка: ревизия ПРОВЕРЕНА ЗАМЕРОМ — см. [`POLYGON_TERM_RESEARCH_B2_2026-07-26.md`](POLYGON_TERM_RESEARCH_B2_2026-07-26.md) (фаза B′, $0.14013).** +> ⚠ **ЖАНРОВЫЙ СЛОВАРЬ ОТМЕНЁН ВЛАДЕЛЬЦЕМ 26.07.2026 как класс** (ратификация — за оркестратором; +> амендмент к D39.42 п.1). Сняты: Z-B2 · вторая половина Z-B4 · подписной статус §Z4-Т; переформулирован +> Z-B6. **Замеры отчёта силы не теряют** — ни один вывод не опирался на словарь (покрытие было 0/80), +> перепрогоны не требуются. Обесценен один арм `P0` (контроль «правильный словарь против случайного»), +> $0.01362 из $0.45043 по пакету. Развязка — записка оркестратору №10. +> +> **Развязка ревизии: ПРОВЕРЕНА ЗАМЕРОМ — см. [`POLYGON_TERM_RESEARCH_B2_2026-07-26.md`](POLYGON_TERM_RESEARCH_B2_2026-07-26.md) (фаза B′, $0.14013).** > Итог: отбраковка судей действительно была неправомерна (находка не воспроизводится), но > ранжировать армы слепой оценкой всё равно нельзя · широкая формулировка §B3.2 опровергнута, > узкая поддержана · «контексты — главный рычаг» подтверждено тремя повторами (разрыв 6 термов @@ -125,7 +131,15 @@ Google Books Ngram, корпус `ru-2019`, 1900–2019, сглаживание --- -## §Z4-Т. Обновлённая таблица §A4.3 — НА ПОДПИСЬ +## §Z4-Т. Обновлённая таблица §A4.3 — ~~НА ПОДПИСЬ~~ ⚠ СПРАВОЧНАЯ ФАКТУРА + +> **⚠ ПОДПИСНОЙ СТАТУС СНЯТ. Жанровый словарь отменён владельцем 26.07.2026 как класс** (ратификация — +> за оркестратором): решение о переводе принадлежит подписи на банк памяти, а пар-словарь навязывал бы +> одно видение всем книгам пары. Подписывать в этой таблице нечего. +> **Что она теперь значит.** Это сводка улик по каждому терму, и её главный результат — отрицательный: +> по центральным понятиям жанра единого рынка НЕТ. Именно поэтому 17 «закрытых словарём» строк не +> становятся контрактом — словарная статья описывает общеязыковое значение, а не жанровую конвенцию, +> и выбор регистра остаётся за владельцем книги. Изменение против фазы A: колонка улики теперь имеет класс **`слов.` (БКРС)** — он сильнее площадочного и сильнее аннотации. **Из 20 строк со статусом UNCLEAR закрыто словарём 17.** @@ -391,7 +405,7 @@ Google Books Ngram, корпус `ru-2019`, 1900–2019, сглаживание 1. **KWIC-контексты обязательны.** Единственный крупный измеренный разрыв: 0.632 → 0.947 по совпадению с подписью владельца (§B1.1). Это несущий элемент, а не украшение. 2. **Требование ЛЕММЫ** («dst в исходной словарной форме»). Совпадает с единственным вендорским решением морфологии, найденным в фазе A (нейрословарь Microsoft: «expected to be in a lemma (word base) form»), и не дало отказов. 3. **Батчи по ~10 термов.** 480 консолидаций за 70 вызовов, ноль пустых ответов, $0.09204 суммарно. Ратифицированная формула «батчи, дешёвая модель, центы/книга» подтверждена фактом. -4. **Формат `src → dst + примечание`.** Три независимых конкурента (AiNiee, SakuraLLM, GalTransl) пришли к одной и той же тройке полей — это настоящая сходимость трёх кодовых баз. +4. **Формат `src → dst + примечание`.** Три независимых конкурента (AiNiee, SakuraLLM, GalTransl) пришли к одной и той же тройке полей — это настоящая сходимость трёх кодовых баз. ⚠ **26.07: остаётся НАБЛЮДЕНИЕМ о чужих системах, но перестаёт быть рекомендацией к внедрению** — у конкурентов эта тройка описывает доставку ГЛОССАРИЯ, а глоссария у нас не будет. Для записи банка поля определяет D39.42, а не они. ### B3.2 Что ИЗМЕНИТЬ — одна правка, за которой стоят три независимых наблюдения @@ -439,7 +453,7 @@ Google Books Ngram, корпус `ru-2019`, 1900–2019, сглаживание 2. **Сработала не «сетевая справка», а СЛОВАРЬ.** Единственный случай пользы — статья двуязычного словаря. Словарь — это ДАННЫЕ, и они прекрасно живут офлайн: 84 статьи БКРС добыты за $0 и лежат файлом. Ради этого не нужен ни сетевой хоп в петле, ни расширение интерфейса роли. 3. **Веб-фетч в петле ломает инвариант детерминизма №8.** Страница меняется между прогонами, а на детерминизме стоит весь golden. Офлайн-снапшот словаря даёт ту же пользу и ничего не ломает — именно поэтому арм P4 и был построен как снапшот, а не как живой фетч (пре-регистрация §A5.2). -**Что предлагаю вместо веб-фетча:** добавить в пар-слой (`configs/langpacks/<пара>/`) файл словарных справок формата `srcкраткая статья` и подавать его терминологу тем же путём, что жанровый словарь. Для zh→ru он уже собран (`eval/pkg7/bkrs_lookup.py`, 84 статьи, лицензия источника разрешает с указанием источника). Для ja→ru аналог — JMdict/EDICT (CC BY-SA 4.0, серый класс: точечно можно, выгрузкой — заражает). +**~~Что предлагаю вместо веб-фетча~~ — ПРЕДЛОЖЕНИЕ СНЯТО (26.07, полигон сам).** Здесь предлагалось положить в пар-слой файл словарных справок и подавать его терминологу тем же путём, что жанровый словарь. Снимаю по двум причинам сразу: измеренная польза — **1 случай из 80**, и тот же довод владельца против пар-словаря бьёт по любому пар-слою «готовых ответов». 84 статьи БКРС остаются **фактурой ресёрча** (они и опровергли посылку «индустрия решила»), а не кандидатом в контракт. Для ja→ru вопрос лицензии JMdict (CC BY-SA, серый класс) тем самым тоже снимается с повестки. **Чего этот вердикт НЕ говорит:** он не про веб-фетч вообще, а про веб-фетч В РОЛИ ТЕРМИНОЛОГА при нашей текущей мере. Если появится класс термов, где нужен именно свежий сетевой контекст (реалии современности, бренды), вопрос открывается заново — и открывается замером, а не мнением. @@ -612,11 +626,11 @@ eval/.venv/bin/python eval/pkg7/audit_phaseB.py --dir <скретчпад>/phase | # | Пункт | Основание | |---|---|---| | **Z-B1** | **Строка `修炼` остаётся неподписанной.** V0 не снят: единственный планировавшийся путь к телу изданий закрыт отрицательным результатом (в Google Books изданий нет). Новые улики добора работают ПРОТИВ «культивации» (словарь её не знает; Ngram даёт сельхоз-омонимию r=0.97), но за «совершенствование» в жанровом регистре улик тоже не прибавилось | §Z4.3, §Z4-Т | -| **Z-B2** | **Подписать 17 строк словаря, закрытых БКРС** — таблица §Z4-Т. Две строки уже созданного `genre-glossary.txt` требуют решения: `筑基` подтверждена, `修士 → культиватор` спорна (словарное значение — «христ. монах») | §Z4-Т | +| **Z-B2** | ⚠ **СНЯТО 26.07: жанровый словарь отменён владельцем как класс.** Подписывать нечего; §Z4-Т переведена в справочную фактуру. Полигон согласен — наши же улики это и обосновали: V0 на центральной строке, ложная сходимость русских глоссариев, покрытие 0/80 | записка №10 | | **Z-B3** | ⚠ **ПОНИЖЕНО ревизией до ГИПОТЕЗЫ.** Правку §B3.2 (сузить правило транскрипции до антропонимов и топонимов) содержательно поддерживаю, но измеренным эффектом назвать нельзя: правило лежало во ВСЕХ шести армах, контрольного арма без него не было, а «три независимые улики» оказались одной (прокси на S5 = тот же терм `春秋蝉`) плюс непроверенная поисковая сводка по `Silversaint`. Решение владельца: либо принять как редакторское суждение, либо санкционировать арм-контроль (~$0.02) | §B6 R3–R5 | -| **Z-B4** | **Веб-фетч в v2 роли НЕ вводить**; вместо него — офлайн-словарь как пар-данные (для zh→ru уже собран, 84 статьи) | §B4 | +| **Z-B4** | **Веб-фетч в v2 роли НЕ вводить** — в силе. ⚠ Вторая половина (**«офлайн-словарь как пар-данные»**) **СНЯТА самим полигоном 26.07**: справка дала пользу в 1 случае из 80, а по решению об отмене жанрового слоя вводить ради этого пар-данные тем более не следует | §B4, записка №10 | | **Z-B5** | ⚠ **ПЕРЕФОРМУЛИРОВАНО ревизией.** Ранее предлагалось менять ИНСТРУМЕНТ (BWS негоден). Проверка показала обратное: инструмент не проверен, негоден был НАБОР — 35 термов из 80 состояли из семи одинаковых строк, и на 45 невырожденных судьи ставят P0b последним, согласно объективному слою. Менять надо не судью, а сборку набора: дедупликация кандидатов, уникальность эталона, отказ от айтемов без вариативности. Это дешевле полной замены методики | §B6 R1–R2 | | **Z-B7** | **Отбраковка судей (§B2.3) СНЯТА.** Их вердикты формально не дисквалифицированы: пре-регистрационный контроль оказался неизмерим (уникальной строки `GOLD` не было ни на одном терме). Ранжирование армов по BWS я по-прежнему НЕ выдаю — но по другой причине: набор наполовину состоял из вырожденных айтемов | §B6 R1 | -| **Z-B6** | Оркестратору: **вход в пак-20** — жанровый словарь помогает терминологу только на классе `term`, которого WHICH-канал не производит (recall 0.040). Подавать словарь в роль осмысленно ВМЕСТЕ с расширением эмиссии, иначе он инертен (доказано: 0/80 покрытия) | §B1.2 | +| **Z-B6** | ⚠ **ПЕРЕФОРМУЛИРОВАНО 26.07: словаря не будет, но проблема осталась и стала острее.** Recall эмиссии на классе `term` = 0.040 теперь **связывающее ограничение**: `修行` встречается в книге 326 раз и не получит соответствия НИОТКУДА, потому что `emissionEligible` пропускает только `name|place|title`. Раньше дыру теоретически прикрывал словарь. Вопрос «расширять ли эмиссию» становится основным — и он согласуется с принципом владельца: расширение даёт больше строк НА ПОДПИСЬ, ничего не решая за него (абляция: 0.089→0.429 при 17→624 строках) | §B1.2, §A3.4 | **Заявление = команда.** Все прогоны воспроизводимы: `eval/pkg7/build_termset.py` → `terminologist_arms.py` → `blind_judge.py` → `repair_judge.py` → `score_bws.py`; сырьё каждого вызова (промпт, ответ, usage, finish_reason) сохранено целиком, цифры §B1 и §B5 пересчитываются из него без сети. diff --git a/eval/pkg7/README.md b/eval/pkg7/README.md index 2b052ed7..c72ddf7e 100644 --- a/eval/pkg7/README.md +++ b/eval/pkg7/README.md @@ -46,3 +46,7 @@ 10. **Слепой судья — катастроф-экран, а не ранжировщик.** Подложенный декой ловится 43–45 раз из 45 (счёт −0.93/−0.98), подпись владельца не помечена катастрофой ни разу, но ранговое согласие с объективным слоем ничтожно (ρ = +0.43 и −0.11). Грубое видит уверенно, тонкое не разрешает — и роль ему надо давать по этой способности, а не по желаемой. 11. **Одна строка промпта может стоить канона — и одновременно ничего не менять в среднем.** Снятие правила транскрипции вернуло `春秋蝉` в точный канон владельца, но агрегатный сдвиг оказался +0.013 при пороге 0.05: правило помогает на антропонимах ровно столько же, сколько вредит на названиях предметов. Единичный яркий пример и агрегат — разные улики, и путать их нельзя даже когда пример красив. 12. **Повторы дёшевы и меняют статус вывода.** Три прогона на 19 термах стоили $0.024 и превратили «P0b хуже P1» из одной точки в измерение: разрыв 6 термов против размаха 1. Заодно объяснили аномалию «случайный глоссарий дал 19/19» — 19/19 лежит внутри шума прогона. + +**Итог пакета (26.07): жанровый словарь ОТМЕНЁН владельцем как класс** — решение о переводе принадлежит подписи на банк памяти, а пар-словарь навязывал бы одно видение всем книгам пары. Замеры силы не теряют и перепрогонов не требуют (главный результат `P0b`↔`P1` идёт по армам без словаря; `P5`↔`P2` несут одинаковые инертные строки), беспредметен только арм `P0`. Отсюда последний и самый дорогой урок: + +13. **Замер может подорвать ПОСЫЛКУ задачи, а не только её исполнение — и тогда деливерабл надо оспорить, а не исполнить.** Мы намерили ровно основание для отмены (V0 на центральном терме, ложная сходимость русских глоссариев, покрытие 0/80, четыре строки из шести отсутствуют в книге) — и всё равно принесли «таблицу на подпись», потому что она стояла в промте. Право сессии сказать «этого делать не надо» существует, канал вопросов для этого и заведён; не воспользоваться им дороже, чем не измерить вовсе, потому что так наш вкус едва не стал контрактом пары.