heaven/textmachine
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

Repair the live ACCEPTANCE citation in research/17 to its archived path and drop the over-attributed D-numbers on the exp04 and exp12 index rows

Browse source
This commit is contained in:
Claude (backend session) 2026-07-12 22:03:07 +03:00
parent 5d24ba401c
commit 44bc4f8332
2 changed files with 5 additions and 5 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

4
docs/experiments/README.md
View file

@ -21,12 +21,12 @@
| Док | Что установил | Ратификация | Статус |
|---|---|---|---|
| [`03-local-stand`](03-local-stand.md) | Локаль как ПЕРЕВОДЧИК не годится (эхо/качество); годна как «шпион»/экстрактор. | — (settled) | settled |
| [`04-editor-quality`](04-editor-quality.md) | Бейк-офф редакторов короновал grok-4.3. **Рекомендация ОТМЕНЕНА** (⚠-баннер D31): мерил билингв+reasoning-ON, а боевой был моно+reasoning-off (quality-transfer риск материализовался в exp12). | superseded D30.1/D32/D38 | закрыт |
| [`04-editor-quality`](04-editor-quality.md) | Бейк-офф редакторов короновал grok-4.3. **Рекомендация ОТМЕНЕНА** (⚠-баннер D31): мерил билингв+reasoning-ON, а боевой был моно+reasoning-off (quality-transfer риск материализовался в exp12). | superseded D30.1 (закреплено ревизией D31) | закрыт |
| [`06-local-extraction`](06-local-extraction.md) | Экстракция терминов локаль vs облако — закрывает дыру G1 реестра рисков. | — (settled) | settled |
| [`08-cost-model-v2`](08-cost-model-v2.md) | COGS v2 Ф1-стека. ⚠-баннер: стоит на снятых посылках (моно-редактор, grok reason-off); $-рамка → **D30.4** (~$0.83–0.86/ранобэ). Множители стадий — живая фактура. | $→D30.4 | закрыт (числа) |
| [`10-explicit-benchmark`](10-explicit-benchmark.md) | 18+ **violence**-рука на 蛊真人: отказы/тихая вырезка/вменяемость судьи. Закрыл critical D14.4 (violence). | D14.4/D14.2/D3 | settled |
| [`11-erotica-benchmark`](11-erotica-benchmark.md) | Сестринский 18+ **erotica**-срез (те же армы/методика). Закрыл последний critical D14.4. | D14.4/D19/D3 | settled |
| [`12-quality-diagnosis`](12-quality-diagnosis.md) | Диагноз потери читаемости 25 глав: пассивность моно-редактора + сид + построчность + нет санитайзера. Флип D1 моно→билингв принят досрочно. | → D30/D35 (review-header ACCEPT_WITH_FIXES) | закрыт |
| [`12-quality-diagnosis`](12-quality-diagnosis.md) | Диагноз потери читаемости 25 глав: пассивность моно-редактора + сид + построчность + нет санитайзера. Флип D1 моно→билингв принят досрочно. | → D30 (review-header ACCEPT_WITH_FIXES; D35 — downstream-переподтверждение диагноза, не ратификация) | закрыт |
| [`13-translator-bakeoff`](13-translator-bakeoff.md) | Бейк-офф ПЕРЕВОДЧИКОВ: flash **сохранён**, pro **отклонён** (ложная сходимость + pro-катастрофа 蛊→«гусеницы»); сид v2 **принят**. | → D32 (review-header) | закрыт |
| [`14-quality-empirics`](14-quality-empirics.md) | Претензия-1 (абзацы) = дешёвый **промпт**-рычаг, не модель; A-2pass отклонён (fidelity-катастрофа); gpt-5.4-эскалация held под-мощной. | → D37 (review-header) | закрыт |
| [`14b-meaning-battery`](14b-meaning-battery.md) | «Только gpt-5.4 чинит смысл» **ОПРОВЕРГНУТО** (mistral/deepseek-pro чинят инверсии, glm/grok валят); фронтир-в-дефолт не нужен; корень терм-дрейфа = **status:draft** сида. | → D38/D38.1 (review-header) | закрыт |

6
docs/research/17-external-critique.md
View file

@ -236,7 +236,7 @@ API alias может сменить snapshot; популярные книги м
**CONFIRMED.** Проект не пошёл по наивной исходной колее «побольше агентов». Его сильное фактическое ядро — конфигурируемый runner, детерминированный hot path памяти, disposition/post-check, temporal windows, денежный ledger и durable resume. По этим пунктам стек совпал с картой §A, а в нормализации CJK, морфологии `decl`, provider-wire quirks и mutation-проверках ушёл глубже. Локальные основания: `docs/architecture/01-decisions.md:23-44,72-99`, `docs/architecture/05-decisions-log.md:77-86,277-285`, `docs/architecture/06-memory-risk-registry.md:20-40`. Jiang et al. подтверждают только необходимость отдельного контроля документных сущностей, терминов, кореференции и цитирования, не конкретный runner/ledger TextMachine; ACL 2023, **peer-reviewed**, https://aclanthology.org/2023.acl-long.435/.
**CONFIRMED.** Главная незакрытая проблема — отсутствие доказанного контура издательской верности end-to-end. Проект сам признаёт: после черновика в Фазе 1 same-length mistranslation не контролируется и критерия верности в инфраструктурной приёмке нет (`docs/architecture/05-decisions-log.md:72-75`); quality-решение сознательно перенесено в пилот Ф2.5 (`docs/ACCEPTANCE_SESSION_PROMPT.md:7-9`). В протестированной Karpinska & Iyyer постановке GPT-3.5 на литературных абзацах критические ошибки/пропуски сохранились, а сохранение авторского голоса требовало человека; это не универсальное доказательство для всех моделей 2026 или book-scale pipeline. WMT 2023, **peer-reviewed**, https://aclanthology.org/2023.wmt-1.41/.
**CONFIRMED.** Главная незакрытая проблема — отсутствие доказанного контура издательской верности end-to-end. Проект сам признаёт: после черновика в Фазе 1 same-length mistranslation не контролируется и критерия верности в инфраструктурной приёмке нет (`docs/architecture/05-decisions-log.md:72-75`); quality-решение сознательно перенесено в пилот Ф2.5 (`docs/archive/prompts/ACCEPTANCE_SESSION_PROMPT_v1_2026-07-10.md:7-9`). В протестированной Karpinska & Iyyer постановке GPT-3.5 на литературных абзацах критические ошибки/пропуски сохранились, а сохранение авторского голоса требовало человека; это не универсальное доказательство для всех моделей 2026 или book-scale pipeline. WMT 2023, **peer-reviewed**, https://aclanthology.org/2023.wmt-1.41/.
**PLAUSIBLE, не приор против multi-agent как класса.** Следующий центр тяжести — измерить fidelity и human load на реальной книге, а затем добавлять только слои с положительным Δ качества/доллар/человеко-минуту. Китайско-английский journal study 2026 показывает, что LLM-capability-driven multi-agent workflow может улучшать стиль и иногда предпочитаться человеку, но также добавлять лишний контент; Target 2026, **peer-reviewed**, https://doi.org/10.1075/target.25081.wan. ACL Industry 2026 также показывает пользу multi-aspect refinement/training для en→zh, но это fine-tuned 8B/14B, не наш stateless API-контур: https://aclanthology.org/2026.acl-industry.22/. Следовательно, роли не отвергаются — они остаются экспериментальными arms после фиксации fidelity baseline.
@ -296,7 +296,7 @@ API alias может сменить snapshot; популярные книги м
#### B3.1. D1/D17: «инфраструктурная приёмка без верности» слишком легко станет продуктовым фактом
**CONFIRMED, но текущая Фаза 1 уже корректно ограничена инфраструктурой.** D1 признаёт нулевой fidelity criterion (`docs/architecture/05-decisions-log.md:72-75`), D17 отдаёт выбор пилоту (`docs/architecture/05-decisions-log.md:200-202`), а acceptance prompt прямо запрещает трактовать Ф1 как художественную приёмку (`docs/ACCEPTANCE_SESSION_PROMPT.md:7-9`). Риск возникает только перед экспортом читательского продукта: D2 продолжает книгу после флага (`docs/architecture/05-decisions-log.md:77-86`), поэтому нужен отдельный release-state contract.
**CONFIRMED, но текущая Фаза 1 уже корректно ограничена инфраструктурой.** D1 признаёт нулевой fidelity criterion (`docs/architecture/05-decisions-log.md:72-75`), D17 отдаёт выбор пилоту (`docs/architecture/05-decisions-log.md:200-202`), а acceptance prompt прямо запрещает трактовать Ф1 как художественную приёмку (`docs/archive/prompts/ACCEPTANCE_SESSION_PROMPT_v1_2026-07-10.md:7-9`). Риск возникает только перед экспортом читательского продукта: D2 продолжает книгу после флага (`docs/architecture/05-decisions-log.md:77-86`), поэтому нужен отдельный release-state contract.
**Дешёвая фальсификация:** 100–150 сегментов: естественные ошибки + minimal perturbations (negation, agent/patient, number, gender, modality). Билингв проверяет все flags и случайную выборку unflagged. Метрики: upper CI miss-rate, review-minutes/error; требование «0 planted misses» без CI не использовать.
@ -374,7 +374,7 @@ API alias может сменить snapshot; популярные книги м
### D1. Ответы, найденные постревью (больше не открытые вопросы)
1. **Фаза 1 — строго инфраструктурная приёмка;** художественное качество решает Ф2.5 (`docs/ACCEPTANCE_SESSION_PROMPT.md:7-9`). Поэтому fidelity/release gate не блокирует текущую приёмку, но обязателен до reader-export.
1. **Фаза 1 — строго инфраструктурная приёмка;** художественное качество решает Ф2.5 (`docs/archive/prompts/ACCEPTANCE_SESSION_PROMPT_v1_2026-07-10.md:7-9`). Поэтому fidelity/release gate не блокирует текущую приёмку, но обязателен до reader-export.
2. **D15.2 — Ф1.5 и гейт до онгоинга;** v3.1 должна быть внесена до реализации (`docs/architecture/05-decisions-log.md:184-190,265-266`).
3. **11+ judge repeats — протокол пилота, не production** (`docs/architecture/05-decisions-log.md:166-173`).
4. **Summary ещё не реализована и уже запланирована с fact gate** (`docs/architecture/02-mvp-plan.md:47`); вопрос — в спецификации gate, не в наличии намерения.