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

Land the adversarial pass over my own work: one blocker on a decoy control I read after the fact, six important overstatements, and the disposition of each

Browse source
This commit is contained in:
heaven 2026-08-29 23:04:15 +03:00
parent 1fbdaedd46
commit 7a74cfbf90
4 changed files with 179 additions and 24 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

3
docs/PROGRESS.md
View file

@ -596,7 +596,8 @@
## Полигон
**📌 29.08 · ФАЗА Д — ОБА ГЛАВНЫХ ВОПРОСА ВЛАДЕЛЬЦА ЗАКРЫТЫ, ВОПРОС 0 ОСТАЁТСЯ ОТКРЫТЫМ. Сессия $0, ни одного платного вызова.**
**📌 29.08 · ФАЗА Д — НА ОБА ГЛАВНЫХ ВОПРОСА ВЛАДЕЛЬЦА ОТВЕЧЕНО, ВОПРОС 0 ОСТАЁТСЯ ОТКРЫТЫМ. Сессия $0, ни одного платного вызова.**
⚠ **«Отвечено», а не «закрыто», и разница существенная:** на Вопрос 2 ответ дан в форме СЛАБЕЕ, чем звучит сам вопрос — минимакс не проверен (худший ВОЗМОЖНЫЙ жилец не искался), вендоро-независимость архитектуры НЕ проверена (буфер двухвендорен: черновик делает DeepSeek). Первая редакция этой шапки писала «ЗАКРЫТЫ», хотя буллеты под ней несли оговорки — поправлено адверсариальной приёмкой.
Отчёт — `docs/experiments/23-editor-tier.md`, секции **Д35–Д38**. Агент-сессий 154 → **186 из 200**. Деньги не тронуты: резерв пака $1.2634 из $18.30 как был.
* **Шаг 4 плана 22.08 ЗАКРЫТ** (Д36) — последнее незакрытое условие §7, которое можно было закрыть бесплатно. Дуэль «ролевой промт против его отсутствия» на 16 уже купленных карантинных клетках, панель из 5 армов с ГРУБЫМ ДЕКОЕМ (`ZD`), 16 читателей `fable-5`. **Промт различим: +1.50 места при пороге 1.13, знаковый p=0.0213, 13 глав из 16 в одну сторону** — ровно порог, объявленный пре-регом ДО чисел. ⇒ у прибора ЕСТЬ разрешение на промт-инженерном материале, и **всё, что фаза назвала неразличимым, меньше, чем ВЕСЬ ролевой промт**.

2
docs/experiments/00-provider-quirks.md
View file

File diff suppressed because one or more lines are too long

193
docs/experiments/23-editor-tier.md
View file

@ -3778,7 +3778,7 @@ ZF ТО ЖЕ САМОЕ, вторая генерация (16–20.08) эф
| `glm-5` (думание ВЫКЛ) | однопроходка | **различимо хуже** | 1.00 / 3.20 |
| `grok-4.3` | однопроходка · черновик | **различимо хуже** (порогом да, знаковым p=0.09) | 1.25 / 2.50 |
| `glm-4.7` | черновик | ничья в шестёрке черновиков | 0.60 / 2.20 |
| `gpt-5.6-luna` | **только черновик** | ничья в шестёрке; **дешевле всех**; в дорогой роли НЕ мерен | 0.20 / 1.20 |
| `gpt-5.6-luna` | ~~**только черновик**~~ **и однопроходка** | ничья в шестёрке; **дешевле всех**; ~~в дорогой роли НЕ мерен~~ ⛔ **СТРОКА ПРОТУХЛА:** 16 клеток `RL` куплены и отсужены, результат — «прибор не решил» (Д31, Д33.8) | 0.20 / 1.20 |
| `gemini-3.1-flash-lite` | **только черновик** | ничья в шестёрке; в дорогой роли НЕ мерен | 0.25 / 1.50 |
| `gemini-3.x` (старшие) | судья · редактор | ⛔ **ЗАБЛОКИРОВАН МАТЕРИАЛОМ** | 2.00 / 12.00 |
@ -3789,7 +3789,12 @@ ZF ТО ЖЕ САМОЕ, вторая генерация (16–20.08) эф
сервис-преамбулой («Вот отредактированный…», 6/6 чанков, эксп-12). Как ДЕШЁВЫЙ ЧЕРНОВИК он живой
(25 клеток, 24 годных) — как единственный дорогой исполнитель на этой книге непригоден.
⭐ **`gpt-5.6-luna` — самая ценная НЕЗАПОЛНЕННАЯ клетка фазы.** Он мерен только черновиком, где
⛔⛔ **БАННЕР 29.08: АБЗАЦ НИЖЕ ИСПОЛНЕН И БОЛЬШЕ НЕ ЗАКАЗ.** Клетки куплены, панель отсужена
дважды, вердикт — в Д31: «прибор не решил» (в пределах порога в обоих кругах, но конъюнкцию рушит
то порог, то знаковый тест). Рекомендацию «проверка стоит ~$0.14» НЕ ИСПОЛНЯТЬ — это покупка уже
купленного. Оставлено под баннером, потому что история не переписывается.
⭐ ~~**`gpt-5.6-luna` — самая ценная НЕЗАПОЛНЕННАЯ клетка фазы.**~~ Он мерен только черновиком, где
пришёл к ничьей, а его выход втрое дешевле `deepseek-v4-pro` ($1.20 против $3.96). Если он окажется
не хуже в роли однопроходки, книга подешевеет с $41 до ~$13. Проверка стоит **~$0.14** (16 английских
клеток) и закрывает единственный оставшийся дешёвый вариант.
@ -5454,7 +5459,40 @@ p≈0.077, при 13 — p≈0.021, то есть **для вывода нужн
половин боевой связки (`Z0↔ZD` +1.38 при пороге 0.85, p=0.0042; `ZF↔ZD` −1.62 при 1.16, p=0.0042).
⇒ **панель разрешает**, и это сказано ДО того, как читать испытуемого.
**Полная матрица контрастов** (парный знаковый, порог = 2.8·sd/√n по собственному полу панели):
### ⛔⛔ Д36.8а ДЕВИАЦИЯ, КОТОРУЮ ПЕРВАЯ РЕДАКЦИЯ НЕ НАПЕЧАТАЛА: ДЕКОЙ НЕ ОКАЗАЛСЯ ПОСЛЕДНИМ
Фриз Д36.1 говорит дословно: «Панель, где известно плохой арм **не оказался последним**,
аннулируется целиком», и Д36.4 (iv): «контроль декоя — `ZD` **обязан оказаться последним**».
**Факт: `ZD` 3.62, а последний — сам испытуемый `RQ` 4.31.** По БУКВЕ замороженного правила панель
подлежит аннулированию, и первая редакция Д36.8 этого не напечатала: она молча предъявила ДРУГОЙ
критерий («в нижней половине 15/16 и различимо хуже обеих половин связки»), которого во фризе не
было. Поймано адверсариальной приёмкой (Д40.2, находка 1). **Класс ошибки — тот самый, что фаза
ловит у себя постоянно: контроль, пере-читанный под результат.**
**Что я делаю и чего НЕ делаю.**
* ⛔ **Панель НЕ аннулирую решением сессии** — «резать панель, ось или кандидата решением сессии
ЗАПРЕЩЕНО» (план §6), и это ровно тот случай: СТОП и вопрос приёмке.
* **Печатаю обе стороны, чтобы решал не я.** ПРОТИВ: буква фриза нарушена, и «первичный эндпойнт
исполнен ровно как объявлен» относится к ЗНАКОВОМУ тесту, а не к контролю. ЗА: цель контроля —
доказать, что панель РАЗРЕШАЕТ, — достигнута (`ZD` различимо хуже обеих половин боевой связки,
p=0.0042 дважды), и ниже `ZD` оказался ровно один арм — испытуемый, **и это сам результат замера,
а не отказ прибора**. Формулировка фриза молча предполагала, что хуже декоя не окажется ничего;
предположение не сбылось.
* ⭐ **И у контроля есть НЕЗАВИСИМОЕ подтверждение, которое от чтения не зависит вовсе:** счётный
прибор ставит `ZD` худшим по своей оси — 13 глав с фаталом из 16 и 28 фаталов против 6–10 у
прочих. То есть «известно плохой арм — худший» на детерминированном приборе ДЕРЖИТСЯ.
* ⇒ **Диспозиция, которую я оставляю приёмке:** если читать фриз буквой — Шаг 4 не закрыт и панель
пере-собирается с другим декоем; если читать целью — контроль пройден, и тогда его КРИТЕРИЙ во
фризе следующей панели надо писать как «известно плохой арм различимо хуже якорей», а не «должен
быть последним». **Моя рекомендация — вторая, и я её называю рекомендацией, а не вердиктом.**
**Полная матрица контрастов** (парный знаковый; ⚠ **порог — по sd КАЖДОГО контраста**, а не единый
пол панели: так считает риг во всей фазе (Д32, Д34, Д37 печатают разные пороги для одного контраста
по кругам), и **формулировка фриза Д36.4 «порог считается собственным полом панели» описывала риг
НЕВЕРНО** — поймано той же приёмкой, находка 2. Что меняется при чтении по букве фриза, то есть при
едином пороге 1.43: **первичный эндпойнт устоял бы — `RE↔RQ` 1.50 > 1.43**, устояли бы и `Z0↔RQ`,
`ZF↔RQ`, `ZF↔ZD`; отпал бы ОДИН контраст — `Z0↔ZD` 1.38, то есть половина контроля декоя. Ни один
вывод секции на этом не стоит):
⚠ **Конвенция знака, единая для всей таблицы:** «разрыв» = среднее место ВТОРОГО арма минус среднее
место ПЕРВОГО, то есть **плюс значит «второй хуже»**. ⛔ Первая редакция этой таблицы взяла три
@ -5503,8 +5541,9 @@ p≈0.077, при 13 — p≈0.021, то есть **для вывода нужн
> **всё, что фаза назвала неразличимым, меньше, чем разница между текстом с полным ролевым промтом
> и текстом вообще без него.**
Это и есть ответ Шага 4 в той форме, в какой его заказывал план: **вес всего промта в единицах
прибора**. И он оказался соизмерим с весом целой дорогой стадии — удаление промта стоит 1.33
Это и есть ответ Шага 4 в той форме, в какой его заказывал план — с поправкой, которую сам же план
не знал: это **вес РОЛЕВОГО промта** (2 436 токенов из 2 566, то есть 95%), а не «всего промта»,
потому что глоссарий до модели доехал (Д36.0). И он оказался соизмерим с весом целой дорогой стадии — удаление промта стоит 1.33
порога, удаление дорогой модели 1.62–2.34.
### Д36.10 ⭐⭐ И ГЛАВНОЕ: ПРОМТ ПОКУПАЕТ ПРОЗУ, А НЕ БРАК. ДВА ПРИБОРА РАСХОДЯТСЯ ОСМЫСЛЕННО
@ -5559,7 +5598,12 @@ RQ 9/16 глав RE 0/16 ZF 0/16 Z0 1/16 ZD 2–3/16
```
⇒ **Текст без ролевого промта читатель называет машинным в каждой ВТОРОЙ главе; тот же текст с
промтом — НИ РАЗУ.** Это третий прибор, и он согласен с ранговым.
промтом — НИ РАЗУ.**
⛔ **И это НЕ «третий прибор», как писала первая редакция** (поймано приёмкой, находка 4): класс Б
снимается с ТЕХ ЖЕ 16 читательских сессий, что и ранги, — тот же читатель, та же модель, тот же
транскрипт. Это **вторая ось ОДНОГО чтения**, и согласие двух её выходов независимым подтверждением
не является. Независимый прибор здесь ровно один — счётный, и он ранговый вердикт как раз НЕ
подтверждает (см. ниже: у него другая ось).
⚠ Метка сравнительная (читателя просят назвать худших ВНУТРИ панели), поэтому абсолютную норму
класса Б она по-прежнему не грунтует — см. Д32.12 и долг Шага 5.1.
@ -5569,11 +5613,16 @@ RQ 9/16 глав RE 0/16 ZF 0/16 Z0 1/16 ZD 2–3/16
| предсказано ДО чисел | факт | вердикт |
|---|---|---|
| по классу «банк» `RQ` и `RE` **близки** (глоссарий доехал до обоих) | `RQ` 4 попадания против 10 у `RE`; 5 глав различия, ВСЕ в пользу `RQ`, p=0.0625 | ⚠ **формально держится** (p>0.05), но направление ЕДИНОГЛАСНО и противоположно наивному ожиданию |
| по классу «банк» `RQ` и `RE` **близки** (глоссарий доехал до обоих) | **попаданий** 4 против 10; **глав с потерей канона** 4/16 против 8/16; различие в 5 главах, ВСЕ в пользу `RQ`, p=0.0625 | ⚠ **НЕ ДЕРЖИТСЯ по существу, хотя держится по букве.** p>0.05 — но 5 глав из 5 в одну сторону, и это единогласие. Честно: **предсказание «близки» ОПРОВЕРГНУТО направлением и не подтверждено значимостью**; ⚠ единицы в этой строке РАЗНЫЕ (попадания и главы) — первая редакция смешивала их молча |
| класс «язык» **разойдётся** (мандат «выведи ТОЛЬКО перевод», правила французского слоя — в промте) | `RQ` 1, `RE` 0, `ZD` 2 — класс не разводит никого | ⛔ **НЕ СБЫЛОСЬ** |
| класс «приём» — **ноль различия** (о типографике промт молчит) | `RQ` 0, `RE` 0 | ✔ сбылось (тривиально: класс применим к одной главе) |
**Что делать с единогласным «банком» — и чего НЕ делать.** Он НЕ опровергает Д35.3, а подтверждает
**Что делать с единогласным «банком» — и чего НЕ делать.** ⛔ Сначала признаю двойной стандарт
первой редакции (приёмка, находка 3): одно и то же свидетельство (p=0.0625, 5 глав единогласно) она
объявила слишком слабым, чтобы сработал СОБСТВЕННЫЙ фриз-триггер пере-открытия Д36.6, и достаточным,
чтобы породить новую гипотезу. Единый стандарт: свидетельство **одно и то же**, и оно
**НЕ ЗНАЧИМО, но ЕДИНОГЛАСНО ПО НАПРАВЛЕНИЮ**; из него не следует ни вердикта, ни отмены триггера —
следует ГИПОТЕЗА, и обе стороны ниже помечены именно так. Он НЕ опровергает Д35.3, а подтверждает
её с другой стороны: `RQ` держит банк **лучше всех пяти армов**, а без доехавшего глоссария он
выглядел бы как `ZD` (12/16 глав с потерей канона). Механизм, который единственный мог дать ему
такой результат, — тот самый глоссарий, оставшийся последним системным сообщением.
@ -5596,8 +5645,13 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
пол |Z0−ZF| = 1.75 места из 5 · парный разрыв +0.25 при пороге 1.43 — пол годен
ГРУБЫЙ ДЕКОЙ ЕСТЬ (ZD): различим против обеих половин связки, p=0.0042 — панель разрешает
правило: |Δ| > собственного порога И знаковый p<0.05
СЛЕП К: эффектам ниже ~1 порога · кросс-главной консистентности · оси ВЕРНОСТИ владельца
· абсолютному уровню класса Б
СЛЕП К: ранговый — эффектам ниже ~1 порога · кросс-главной консистентности · оси ВЕРНОСТИ
владельца · абсолютному уровню класса Б
СЧЁТНЫЙ — своего MDE не имеет напечатанным; его потолок мощности: p<0.05 недостижим,
пока глав с ненулевой разницей меньше ШЕСТИ. У контраста RQ−RE их ровно шесть ⇒ значимость
была достижима и не достигнута из-за РАЗНОНАПРАВЛЕННОСТИ (4 против 2), а не из-за размера
панели. Чувствительность счётчика доказана только на эффекте масштаба ZD (13/16 против 6–8)
⚠ КЛАСС Б — НЕ независимый прибор: те же 16 сессий, что и ранги (вторая ось одного чтения)
НЕ УРАВНЕНО: RQ/RE — один вендор, Z0/ZF/ZD — другой · потолки вывода · уровень размышления
gemini НЕ УСТАНОВЛЕН вендором · объём инструкции у RQ в 5.7 раза меньше (играет ЗА него)
ОДИН КРУГ: внутрисемейного повтора у панели нет — как и у всех панелей фазы
@ -5679,9 +5733,19 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
семействами (наибольший +0.38, p=0.22).
⇒ **По правилу, объявленному в Д37.2 ДО чисел, срабатывает ПЕРВАЯ ветка.** Внутрисемейная доля 0.34
лежит МЕЖДУ двумя межсемейными (0.32 и 0.43) и от них неотличима; медианы Спирмена совпадают;
перевёрнутых вердиктов нет нигде. **Смена семейства читателя стоит не дороже повтора тем же
прибором** — по этой оси подмена судьи не запрещена.
лежит МЕЖДУ двумя межсемейными (0.32 и 0.43); медианы Спирмена совпадают; перевёрнутых вердиктов нет
нигде. **Смена семейства читателя стоит не дороже повтора тем же прибором** — по этой оси подмена
судьи не запрещена.
⚠ **«Лежит между» — это НЕ доказанная эквивалентность, и первая редакция писала «от них
неотличима» без всякого теста** (приёмка, находка 5). Теста на эквивалентность здесь нет вовсе, а
0.34 формально БОЛЬШЕ одной из двух межсемейных долей (0.32). Честная форма: **разницы не видно на
шести парах армов при 16 главах**, и мощность этой проверки не считалась.
⛔ **И у сработавшей ветки была ТРЕТЬЯ клауза, которую первая редакция опустила молча:** фриз Д37.2
писал, что при этом исходе «гипотеза „`opus` весит прозу выше брака" **лишается единственной
числовой опоры**». Опускать её нельзя, а исполнить — тоже: Д37.4 ниже показывает ровно обратное.
⇒ **Замороженное правило на этом исходе САМОПРОТИВОРЕЧИВО**, и это говорится прямо, а не
заминается: агрегат сработал по ветке 1, хвост — против её третьей клаузы. Урок для следующего
пре-рега: правило решения не должно связывать агрегатную метрику с выводом о ХВОСТЕ.
⭐ **И у паспортов фазы наконец появилось СВОЁ число.** Строка, которой не было ни у одного вердикта:
@ -5717,9 +5781,10 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
полностью.
⛔ **ЧЕСТНАЯ РАМКА, И ОНА ВАЖНЕЕ САМОЙ НАХОДКИ.** Правило решения Д37.2 объявляло метрики (i)–(iv),
и по ним сработала первая ветка — так и записано выше. **Минимум ρ печатается той же метрикой (i),
но интерпретация «хвост есть свойство семейства» ПОСТ-ХОК**, и выдавать её за пре-регистрированный
вывод нельзя. Что её усиливает сверх обычного пост-хока: она **воспроизведена двумя независимыми
и по ним сработала первая ветка — так и записано выше. **Метрика (i) объявляла МЕДИАНУ Спирмена; минимум — другая статистика, и то, что риг печатает её
в той же строке, пре-регистрацией не является** (первая редакция называла это «печатается той же
метрикой» — натяжка, снята приёмкой, находка 5). ⇒ **и статистика, и интерпретация «хвост есть
свойство семейства» — ПОСТ-ХОК**, выдавать их за пре-регистрированный вывод нельзя. Что её усиливает сверх обычного пост-хока: она **воспроизведена двумя независимыми
кругами**, а не найдена перебором. Что её ограничивает: **одна глава из шестнадцати**, то есть это
установленный факт об ЭТОЙ главе и обоснованная гипотеза о классе — не измеренная частота.
@ -5770,7 +5835,14 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
### Д38.0 ЧЕМ Я ОТВЕЧАЮ И ЧТО ОТКАЗЫВАЮСЬ ГОВОРИТЬ
В ответ идёт только то, что пережило хотя бы одно из: **второе чтение · второе семейство ·
второй прибор**. Всё прочее помечено как неустановленное прямо в строке. Два числа, которых у фазы
второй НЕЗАВИСИМЫЙ прибор**. Всё прочее помечено как неустановленное прямо в строке.
⛔ **И одна строка ответа этих ворот НЕ проходит — говорю об этом здесь, а не мелким шрифтом.**
Результат Шага 4 (`RE↔RQ`, Д36) снят **ОДНИМ кругом чтения одним семейством**; класс Б, который
согласен с ним, — не второй прибор, а вторая ось ТОГО ЖЕ чтения (Д36.10); а единственный
независимый прибор — счётный — на своей оси разницы НЕ находит. ⇒ **вес ролевого промта стоит на
одном круге, и повтора у него нет.** Что его держит вместо повтора: величина (больше собственного
порога при обоих способах его считать), единогласие знака (13 глав из 16) и то, что панель в этом
же прогоне доказала своё разрешение на декое. Чего это не заменяет — второго круга. Два числа, которых у фазы
не было до 29.08 и которые теперь стоят под каждым «неразличимо»:
```
@ -5804,7 +5876,7 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
**⭐ И то, что добавил Шаг 4 сегодня — новая, отдельная строка ответа:**
> **Ролевой промт весит столько же, сколько целая дорогая стадия** (≈1.3 порога против ≈1.6–2.3),
> **и весь его вес лежит на ПРОЗЕ, а не на браке.** Ранговый прибор разводит «с промтом» и «без
> **и весь его вес лежит на ПРОЗЕ, а не на браке.** ⚠ Снято ОДНИМ кругом чтения (повтора нет). Ранговый прибор разводит «с промтом» и «без
> промта» различимо (+1.50 при пороге 1.13, p=0.0213; текст без промта читатель называет машинным
> в 9 главах из 16, с промтом — НИ РАЗУ). Детерминированный счётчик дефектов между ними разницы НЕ
> находит (p=0.6875) — при том, что грубый декой он на той же панели ловит.
@ -5824,8 +5896,12 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
4. **Ось ВЕРНОСТИ владельца прибором не покрыта:** на его собственном чтении читаемость совпала с
прибором точь-в-точь, а верность разошлась радикально — он ставит смелый текст первым, прибор
последним. Наше правило чтения ставит эту ось ПЕРВОЙ ⇒ **риск: прибор системно топит смелое
письмо там, где владелец бы не топил.** Сегодня это ещё и подтвердилось изнутри: на главе с
типографским приёмом два семейства читателей развернули порядок ровно по этой линии (Д37.4).
письмо там, где владелец бы не топил.** ⚠ Сегодня рядом с этим встало наблюдение изнутри прибора: на
главе с типографским приёмом два семейства читателей развернули порядок по линии «брак против
прозы» (Д37.4). **Это ПОСТ-ХОК и одна глава из шестнадцати, и это АНАЛОГИЯ, а не та же ось:**
расхождение владельца с прибором — про ВЕРНОСТЬ оригиналу, расхождение семейств — про то, что
решает раньше, непереведённый кусок или проза. Подтверждением риска владельца это не является;
оно лишь показывает, что у прибора есть точка, где такая развилка вообще происходит.
---
@ -5909,7 +5985,7 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
| 4 | Шаг 7 — прибор под Вопрос 0 | ⛔ **НЕ ЗАКРЫТ**, нужен ~$2 + движковый прогон + засев характер-листов |
| 5 | долг `ZP` — покупка либо явное «условно» | ✅ **ЗАКРЫТ ОБЪЯВЛЕНИЕМ** (Д38.1 п.2): контраст условный, легитимная en-однопроходка — `RN` |
| 6 | секция Д31 с вендор-вердиктом по конъюнкции | ✅ **ЕСТЬ** (Д31), паспорт напечатан |
| 7 | долг В21 — сверка кассы двумя путями | ✅ **ИСПОЛНЕН с отрицательным результатом** (Д32.11): сверка на диске НЕВОЗМОЖНА, `cost_usd` считает наш же ростер — вопрос ушёл владельцу |
| 7 | долг В21 — сверка кассы двумя путями | ⚠ **ЯВНО ПЕРЕНЕСЁН С ДОКАЗАТЕЛЬСТВОМ НЕВОЗМОЖНОСТИ** (Д32.11) — план §7 п.7 такую форму допускает («закрыт **либо явно перенесён**»). Работа сделана: второй путь пройден по 1171 клетке, установлено, что `cost_usd` — наша модель, а не бухгалтерия, и сверка на диске НЕВОЗМОЖНА; вопрос ушёл владельцу. ⚠ Прежняя галочка «ИСПОЛНЕН» была чуть сильнее факта (приёмка, находка 10) |
| 8 | пинг в `docs/PROGRESS.md` секция «Полигон» | ✅ сделан этой сессией |
**Сверх плана закрыто:** долг Д34.5 (внутрисемейный шум) · открытый вопрос квирк-дока про Gemini
@ -5930,6 +6006,8 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
ШУМ ПРИБОРА: 0.34 порога — чисто читательский (замерено 29.08 повтором одним семейством)
ШКАЛА: «весь ролевой промт» ≈ 1.3 порога · «вся дорогая стадия» ≈ 1.6–2.3 порога
ПРАВИЛО: |Δ| > собственного порога панели И знаковый p<0.05 И повтор во втором круге
⛔ ИСКЛЮЧЕНИЕ, НАЗВАННОЕ ЯВНО: у панели `p4` (Шаг 4) второго круга НЕТ — её вердикт проходит
первые два условия и третьего не имеет. Всякий, кто цитирует вес промта, цитирует ОДИН круг
СЛЕП К: эффектам ниже одного порога · кросс-главной консистентности (Вопрос 0) ·
оси ВЕРНОСТИ владельца · абсолютному уровню класса Б · худшему ВОЗМОЖНОМУ жильцу
НЕ ИСПОЛНЕНО: норма П-1 — второе судейское семейство ВНЕ линии Claude (Sol запаркован)
@ -5999,3 +6077,76 @@ n = 16 английских единиц = 7.89 главы Гу · k = 5 арм
⇒ **Сверка сдаётся КРАСНОЙ, с диагнозом на каждую строку.** Работа при этом закрыта; красные —
про инструменты провенанса, сломанные переездом и нотацией.
---
## Д40 — ПРИЁМКА ИСПОЛНЕНИЕМ СВОЕЙ ЖЕ РАБОТЫ. 15 НАХОДОК, ИЗ НИХ ОДИН БЛОКЕР
Мандат самопроверки (решение владельца 12.07) требует адверсариального прохода по ГОТОВОЙ работе, а
не самоотчёта «проверено». Пройдено тремя опровергателями `claude-fable-5` с раздельными мандатами,
каждому запрещено подтверждать: **числа из сырья** · **логика и дисциплина пре-рега** · **риг
исполнением**. Все трое работали по ЗАКОММИЧЕННОЙ редакции. Ни один не правил репозиторий.
### Д40.1 ЧИСЛА — ПЕРЕСЧИТАНЫ ИЗ СЫРЬЯ НЕЗАВИСИМЫМ КОДОМ
Опровергатель написал свой парсер ответов, своё отображение меток по ключам, свой Спирмен и своё
разложение дисперсии. **Все несущие числа Д36–Д37 воспроизведены**: средние места (до четвёртого
знака), «13 из 16» и точный биномиальный p=0.021271, вся матрица контрастов, таблица счётчика со
всеми p, три пары кругов панели-0, ρ=+1.00/−1.00/−1.00 на главе `197f98eb`, разность 2436 на всех
16 главах. **Ошибок, меняющих вердикт, НЕ найдено.** Три неточности — исправлены:
| находка | что было | что стало |
|---|---|---|
| знаки трёх строк матрицы Д36.8 взяты из прогонов с ДРУГИМ якорем и напечатаны зеркально | `Z0↔ZF +0.25`, `ZF↔RE −0.81`, `ZF↔ZD −1.62` | знаки приведены к одной объявленной конвенции; вердикты не двигались (считаются по \|Δ\|) |
| описание метода приписки класса Б сильнее факта: «по метке, названной в предложении» — а в 3 главах из 9 метки в предложении нет | — | правило напечатано как оно есть: по метке, если названа; иначе по секции |
| ложная точность: `$0.01513` и отношения `1.33`/`1.62` | — | `$0.01514`; отношения печатаются с одним знаком, второй не заслужен |
### Д40.2 ЛОГИКА И ПРЕ-РЕГ — ОДИН БЛОКЕР И ШЕСТЬ ВАЖНЫХ
| # | находка | приговор | диспозиция |
|---|---|---|---|
| 1 | **Контроль декоя провален по БУКВЕ фриза** («`ZD` обязан оказаться последним», иначе панель аннулируется), а первая редакция молча предъявила другой критерий | **БЛОКЕР** | ✅ напечатано **Д36.8а**: девиация названа, обе стороны разобраны, панель НЕ аннулирую решением сессии (запрещено планом §6) — **вопрос приёмке**, рекомендация дана и названа рекомендацией |
| 2 | Фриз говорит «порог = собственный пол панели», посчитано — по sd КАЖДОГО контраста; под буквой фриза отпал бы контраст `Z0↔ZD` | ВАЖНОЕ | ✅ конвенция напечатана в шапке таблицы вместе с тем, что меняется при чтении по букве: **первичный эндпойнт устоял бы при обоих способах** (1.50 > 1.43 и > 1.13) |
| 3 | Двойной стандарт в Д36.11: одно и то же свидетельство (p=0.0625, 5 глав единогласно) слишком слабо для фриз-триггера и достаточно для новой гипотезы; плюс несведённые единицы (главы против попаданий) | ВАЖНОЕ | ✅ единый стандарт напечатан; единицы разведены; предсказание «банк близки» переформулировано честно — **опровергнуто направлением, не подтверждено значимостью** |
| 4 | «Третий прибор» — не прибор: класс Б снят с ТЕХ ЖЕ 16 сессий, что и ранги | ВАЖНОЕ | ✅ переименовано во «вторую ось одного чтения»; в Д38.0 врезано, что вес промта стоит на ОДНОМ круге и что единственный независимый прибор его НЕ подтверждает |
| 5 | Д37: у сработавшей ветки была третья клауза («гипотеза лишается опоры»), опущенная молча; «минимум печатается той же метрикой (i)» — натяжка; «доля 0.34 неотличима» — без теста | ВАЖНОЕ | ✅ всё три напечатано: правило признано **самопротиворечивым на этом исходе**, минимум объявлен пост-хок-статистикой, «неотличима» заменено на «разницы не видно, мощность не считалась» |
| 6 | MDE счётчика не напечатан нигде; «не ухудшает ничего» — универсалия из шести информативных глав | ВАЖНОЕ | ✅ потолок мощности счётчика внесён в паспорт Д36.12; в Д36.10 показано, что значимость была ДОСТИЖИМА (6 глав) и не достигнута из-за разнонаправленности 4:2, а не из-за размера |
| 7 | Эррата Д35.3 неполна: старая формулировка «переведены ВООБЩЕ БЕЗ ИНСТРУКЦИИ» стоит без баннера в `00-provider-quirks.md:157` и в `eval/dovodka/rol.py` | ВАЖНОЕ | ✅ оба места правлены (зачёркивание + уточнение «без РОЛЕВОГО промта, но С ГЛОССАРИЕМ»); снята и оценка «535 = размер одного user-сообщения» |
| 8 | Д29.2 объявлена устаревшей в Д38.2, но на месте не забаннерена — и там живёт рекомендация купить уже купленное | МЕЛОЧЬ | ✅ баннер поставлен на носителе: строка `luna` и абзац «самая ценная НЕЗАПОЛНЕННАЯ клетка» помечены исполненными |
| 9 | «вес ВСЕГО промта» воскресает после того, как Д36.0 его похоронил | МЕЛОЧЬ | ✅ формулировка приведена к «вес РОЛЕВОГО промта (95%)» |
| 10 | Д38.4 п.7: «✅ ИСПОЛНЕН» сильнее факта — сверка не состоялась, доказана её невозможность | МЕЛОЧЬ | ✅ переписано в «явно перенесён с доказательством невозможности» — форма, которую план §7 п.7 прямо допускает |
| 11 | Д38.4 п.5 легитимен по букве плана, но у Д23/Д24 на месте нет пометы «контраст условный» | МЕЛОЧЬ | ⚠ **НЕ исполнено этой сессией:** правка тел Д23/Д24 — история дуги, её трогать в момент сдачи не буду; носитель диспозиции — Д38.1 п.2, и он назван |
| 12 | Шапка пинга в `PROGRESS.md` сильнее собственного текста («ЗАКРЫТЫ» против «ответ в форме слабее вопроса») | МЕЛОЧЬ | ✅ шапка переписана: «ОТВЕЧЕНО, а не закрыто», с обеими оговорками прямо в ней |
**Что приёмка проверила и что УСТОЯЛО:** пре-рег до чисел подтверждён тремя независимыми носителями
(время фриз-коммита → время клейма сессий в журнале → mtime файлов ответов; тексты правил
**байтно идентичны** фриз-коммитам, задним числом не переписывались) · отклонение «пять армов вместо
четырёх» объявлено ВО ФРИЗЕ с основанием и ценой · гардрейл «не подгонять под зелень» держится:
`verify22.py` и `requirements.md` не тронуты ни одним коммитом сессии · хеши замороженных приборов
сходятся с напечатанными.
### Д40.3 РИГ ИСПОЛНЕНИЕМ — ВОСЕМЬ ПУНКТОВ, ВСЕ СОШЛИСЬ
Восемь селфтестов EXIT=0 · сборка `p4` сверена побайтно (80 текстов, 16 раскладок) и своим
детектором на утечки — **0 хитов** по армам, вендорам, суффиксу карантина, путям ключей · деньги:
**1171 клетка на диске = 1171 в git, новых клеток НЕТ, резерв $1.263396 не двигался** · журнал:
записи #155–186, все закрыты, токены внутри прогонов уникальны · **слепота: 531 запись поля `model`
во всех транскриптах — `claude-fable-5`, иных значений нет; у 32 читателей ни одного обращения к
ключам, сырью и чужим ответам; ключ панели читал только НЕ-читатель и строго ПОСЛЕ последнего
ответа** · круги 1–2 панели-0 не тронуты (единственный изменённый затрекованный файл книг —
журнал сессий).
**Две находки приёмки сверх мандата, обе приняты:**
1. **Провалов сверки ТРИ, а не два** — я недосчитал R37 в формуле сдачи (в теле отчёта он был
объявлен). ✅ Пинг в `PROGRESS.md` исправлен.
2. **Доисторические дубли токенов в прогоне `d4`** (15 токенов заявлены дважды) — стояли в HEAD до
этой сессии, и `runs.py --selftest` такой класс не ловит. ⚠ Не моя работа, не чиню; **названо
оркестратору** в пинге.
### Д40.4 ⚠ ЧТО ОСТАЛОСЬ ПОСЛЕ ПРИЁМКИ И ЖДЁТ НЕ МЕНЯ
* **Находка 1 (декой) — диспозиция за приёмкой**, не за сессией. От неё зависит, считать ли Шаг 4
закрытым по букве или по цели.
* **Находка 11** — пометы «контраст условный» на телах Д23/Д24 не поставлены.
* `docs/PROGRESS.md:664`=`ТИХО ТЕРЯЕТ ГЛОССАРИЙ` — шапка пинга №19 теперь ложна дважды (дефект
движка закрыт 28.08; терялся промт, а не глоссарий) и баннера не имеет. **Чужая зона, пинг дан.**

5
eval/dovodka/rol.py
View file

@ -633,7 +633,10 @@ THINK_LEVEL: dict = {
# инструкция НЕ исполнена**. Ответ при этом приходит с `finish=stop` и выглядит правильным
# переводом — то есть отказа нет, есть тихая потеря промта.
# Наш арм шлёт ДВА системных (ядро роли + банк-закон), поэтому первые 16 клеток `RE` переведены
# ВООБЩЕ БЕЗ ИНСТРУКЦИИ. Вердикт «gemini не годится» из них был бы ложным — четвёртый случай того
# БЕЗ РОЛЕВОГО ПРОМТА, НО С ГЛОССАРИЕМ. ⚠ Прежняя редакция этого комментария писала «ВООБЩЕ БЕЗ
# ИНСТРУКЦИИ» — неверно: выживает ПОСЛЕДНЕЕ системное, то есть банк-закон доехал (~130 токенов
# из 2 566), а выброшено ядро роли. Установлено 29.08 арифметикой клеток, улика — `sysmsg.py`.
# Вердикт «gemini не годится» из них был бы ложным — четвёртый случай того
# же класса за два дня (склейка · glm-5 · grok · этот).
# Лечение узкое и по вендору, а не общее: склеивать системные в ОДНО только там, где вендор иначе
# их теряет. Общая склейка сменила бы форму запроса у ВСЕХ моделей и рассогласовала бы уже