diff --git a/docs/PROGRESS.md b/docs/PROGRESS.md index 176c41de..5df86819 100644 --- a/docs/PROGRESS.md +++ b/docs/PROGRESS.md @@ -35,7 +35,7 @@ **ОТКРЫТО НА ОРКЕСТРАТОРЕ №22:** ~~**Ресёрч-сессия `textmachine-36`** — лендинг `research/29`~~ **ЗАКРЫТО 04.09.** Оба отчёта топологии заленджены полигоном на СВОЕЙ ветке по прямому указанию владельца (`a7951a7`) и приехали в `main` мержем ветки — то есть маршрутом, который и был назван правильным. Файлы на месте: `docs/research/29-harness-topology-survey.md` и `…-codex.md`. -> ⚠ **ЖИВОЙ ОСТАТОК — РЕВЬЮ-ШАПКИ, и он на оркестраторе.** ✅ **У `research/30` шапка НАПИСАНА 05.09 — долг по нему закрыт** (попутно исполнена эррата, которую он сам требовал пять недель: `research/22` «LinguaGacha явно НЕ в мульти-агент/редактор» помечено протухшим; и снято его же требование к `29-codex` — якорь `:368` протух, реальный носитель `:108` говорит слабее и о другом). ⛔ У `research/29` и `29-codex` шапки «что доказано / что СНЯТО / что не проверено» ПО-ПРЕЖНЕМУ НЕТ, (⚠ испр. 05.09: сама шапка 29 уже поправлена — «НЕ закоммичено» помечено протухшим, файл в `main` с `a7951a7`; здесь остаётся долг ШАПКИ, а не факта о коммите). До шапок читать оба отчёта как ФАКТУРУ, не как ратифицированное. ⚠ Формулировка, которую шапка обязана нести, иначе следующая сессия выбросит замеры топологии: **судья как СТАДИЯ ДВИЖКА не построен и не вызывался (0 вызовов), но судьи в ПОЛИГОНЕ были и есть.** ⛔ **Маршрут закрыт словом владельца 02.09: «не трогай соседнюю git tree ветку вообще»** — файл принадлежит ветке `polygon`, в `main` приезжает мержем ветки, копированием из соседнего worktree — никогда (№22 так сделал, был поправлен, лендинг откачен). +> ⚠ **ЖИВОЙ ОСТАТОК — РЕВЬЮ-ШАПКИ, и он на оркестраторе.** ✅ **У `research/30` шапка НАПИСАНА 05.09 — долг по нему закрыт** (попутно исполнена эррата, которую он сам требовал пять недель: `research/22` «LinguaGacha явно НЕ в мульти-агент/редактор» помечено протухшим; и снято его же требование к `29-codex` — якорь `:368` протух, реальный носитель `:108` говорит слабее и о другом). ✅ **У `29-codex` шапка НАПИСАНА 05.09** — и она подтвердила снятое выше независимо: его же §4 п.12 говорит, что пробел в long-form детекторе машинности — в held-out точности и доле ложных срабатываний, **а не в русском языке**. ⛔ У `research/29` (2622 строки) шапки «что доказано / что СНЯТО / что не проверено» ПО-ПРЕЖНЕМУ НЕТ, (⚠ испр. 05.09: сама шапка 29 уже поправлена — «НЕ закоммичено» помечено протухшим, файл в `main` с `a7951a7`; здесь остаётся долг ШАПКИ, а не факта о коммите). До шапок читать оба отчёта как ФАКТУРУ, не как ратифицированное. ⚠ Формулировка, которую шапка обязана нести, иначе следующая сессия выбросит замеры топологии: **судья как СТАДИЯ ДВИЖКА не построен и не вызывался (0 вызовов), но судьи в ПОЛИГОНЕ были и есть.** ⛔ **Маршрут закрыт словом владельца 02.09: «не трогай соседнюю git tree ветку вообще»** — файл принадлежит ветке `polygon`, в `main` приезжает мержем ветки, копированием из соседнего worktree — никогда (№22 так сделал, был поправлен, лендинг откачен). **НОРМЫ, ЗАРАБОТАННЫЕ ЭТИМИ ПРИЁМКАМИ:** - **Зелёная батарея — это ПОЛНЫЙ список пакетов ПЛЮС отсутствие FAIL**, а не отсутствие FAIL: обёртка diff --git a/docs/research/29-harness-topology-survey-codex.md b/docs/research/29-harness-topology-survey-codex.md index 20dbe6f8..58451d51 100644 --- a/docs/research/29-harness-topology-survey-codex.md +++ b/docs/research/29-harness-topology-survey-codex.md @@ -3,9 +3,49 @@ > **⟶ СТАТУС (проставлен 05.09): ФАКТУРА, НЕ РАТИФИЦИРОВАНА.** Файл в `main` с `a7951a7` (мержем ветки > полигона — это и есть верный маршрут). ⚠ **Различение, без которого замеры топологии выбрасывают:** > судья как СТАДИЯ ДВИЖКА не построен и не вызывался (0 вызовов), но судьи в ПОЛИГОНЕ были и есть. -> ⛔ **Полная ревью-шапка «что доказано / что СНЯТО / что не проверено» ещё НЕ написана — долг оркестратора** -> (носитель — CURRENT-STATE в `docs/PROGRESS.md`). До неё ни одно утверждение отсюда не цитируется как -> ратифицированное. +> ✅ **РЕВЬЮ-ШАПКА НАПИСАНА оркестратором №22, 05.09** (у `29-harness-topology-survey.md` её по-прежнему НЕТ). +> Ратифицированным отсюда не становится ничего без собственной D-ноты; ниже — что можно цитировать и как. +> +> ⚠ **ЧТО ЗДЕСЬ ЗНАЧИТ «ИЗМЕРЕНО».** Слово означает ровно одно: число стоит в таблице первоисточника. +> Оно НЕ означает переносимости на наш конвейер, и сам отчёт это оговаривает первым же абзацем §2.0. +> +> **ЧТО ДОКАЗАНО** (как внешний факт, с уликой в теле): +> **F1** — при ОДНОЙ И ТОЙ ЖЕ модели в обеих схемах (то есть изолирован workflow, а не жилец роли) +> многоагентная топология обыграла человека **только по беглости** (`r=.71`), по точности — **ноль** +> (`r=.02`), и та же схема дала систематические ДОБАВЛЕНИЯ, которых в источнике нет; судили 30 коротких +> отрывков, а не книгу · **F2** — устойчивее прочих `документ на вход → правка сегментом`; правка целым +> документом трогает <5% токенов и даёт нестабильный прирост; **уверенность модели НЕ предсказывает, где +> нужна правка** (ROC AUC ≈0.503 на 43 631 слове) — то есть это широкая проекция, а не «найди и почини» · +> **C1** — «diff в 1.5–2 раза дороже» из задания полигона **ПРОТУХЛО**: первоисточник даёт 2.913 / 1.677 / +> 2.468, а поздняя поправка сужает до модель×цель (ru 2.83, en **0.67**). +> +> **ЧТО СНЯТО** — и снято САМИМ отчётом в §5, где каждая ошибка названа вместе с командой, которой поймана: +> «Please Translate Again» как новая ось (дубль) · F2 как новая топология (дубль в ВОСЬМИ файлах) · +> «плохой контекст хуже пустого» (плечи спутаны: политика обучения и политика контекста менялись вместе) · +> «все признаки translationese — детекторы машинности» (подмена конструкта: там отличают ЧЕЛОВЕЧЕСКИЙ +> перевод от оригинальной прозы) · **«составной измерительный стек»** (оверклейм, снят обоими ревизорами) · +> LTCR и стилевые эмбеддинги как единый канон-скор (устойчивость ≠ правильность: формула даёт 100% и на +> стабильно НЕВЕРНОЙ форме) · «F1/F2 показывают ухудшение голоса» (голос там не мерили вовсе) · три +> «рыночные новинки» (старше среза `research/22`) · «edit contract» F4 ≈ наш diff (там редактор возвращает +> ПОЛНЫЙ текст) · «код Loong выложен» (в репозитории только README) · заявление F4 о согласии с человеческой +> оценкой (в Methods/Results человеческого исследования НЕТ). +> +> **ЧТО НЕ ПРОВЕРЕНО** — и это главная ценность файла, потому что закрывает соблазн опереться: +> ⛔ **matched-замера «список исполнимых правок против полного переписывания» на литературе НЕ СУЩЕСТВУЕТ** +> ⇒ у нашего Q4b-формата нет ни внешнего подтверждения, ни внешнего опровержения · **человеческого +> сравнения топологий на длине книги нет ни у кого** (F1 судит отрывки, F2 — смежные куски, F3 — только +> автометрики) · **измеренной памяти через сотни глав нет** · thinking: качество и цена ни разу не закрыты +> вместе · **long-form детектора «машинности» нет ни на одной подходящей паре** — и пробел именно в +> held-out точности и доле ложных срабатываний, **а не в русском языке** · единого reference-free +> канон-скора нет, есть несоставленные частичные приборы · валидированного прибора сохранения ГОЛОСА +> персонажа при переводе нет · **поправка на множественность у большинства находок не заявлена** · +> стоимость вызовов F1/F2/F3 не опубликована — поэтому число стадий здесь НЕ превращено в выдуманный COGS. +> +> ⭐ **ОТДЕЛЬНО — О ФОРМЕ, а не о содержании.** §5 этого отчёта («что я напутал») — двадцать с лишним +> ошибок, каждая с классом и с КОМАНДОЙ, которой поймана, плюс артефакт открытия ссылок и артефакт +> двух независимых ревизоров с явно заданной моделью. Это ровно та норма, которую смена ратифицировала +> 05.09 отдельно и по другому поводу (`D39.207` п.5: утверждение о замере или о причине непроверки обязано +> цитировать команду) — здесь она уже исполнена, и как образец формы отчёта файл ценен независимо от находок. **Независимая research-сессия Codex, 31.08.2026.** Дельта-срез относительно репозитория на 31.08.2026. Пишется отдельным файлом с суффиксом `-codex` по прямому указанию владельца, поскольку