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

Issue the Q4a mini-session prompt: deferred strong-translator arm with its own two-dollar budget outside the exp15 freeze, valley-only DeepSeek, fixed judging rig

Browse source
This commit is contained in:
Claude (backend session) 2026-07-18 14:04:29 +03:00
parent fdbee84378
commit cabdfb35b4
1 changed files with 39 additions and 0 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

39
docs/POLYGON_Q4A_MINI_SESSION_PROMPT.md Normal file
View file

@ -0,0 +1,39 @@
# Промт: полигон-МИНИ-сессия — exp15/Q4a «сильный переводчик» (отложенный арм), 2026-07-18
> **⚠ HOLD-ГЕЙТ: запускать ПОСЛЕ закрытия основной exp15-сессии** (FLOOR + пере-суд Q1b + §7-рерайт
> сданы) — риги `eval/exp15/` общие, параллельная работа в них запрещена. **⚠ DeepSeek-долина
> ОБЯЗАТЕЛЬНА:** peak-valley официально (×2 в пики), пиковые окна UTC 01:00–04:00 и 06:00–10:00
> (= 04–07 и 09–13 по +3) — pro-генерацию в пики НЕ ставить.
>
> Это исполнение отложенного арма пре-рега exp15 (фриз `b9272a1`, research/19 §D2 Q4a) — дизайн НЕ
> пересочинять. Бюджет: **свой кап $2, ВНЕ капа $15 exp15** (санкция оркестратора/владельца 18.07;
> в §7.7 exp15 — девиация «Q4a вынесен за кап отдельной мини-сессией»). Зона: `eval/exp15/`
> (只 аддитивные скрипты `q4a_*.py`, существующие риги НЕ редактировать), артефакты —
> `/home/ubuntu/books/gu-zhenren/exp15/`, свои леджеры `q4a_*.jsonl`. НЕ коммитить.
## Что меряет (концерн №1 — единственный незакрытый арм программы)
«Может ли ЧЕРНОВИК быть ~верным сразу» — потолок translate-стадии vs edit-стадии. Не когезия!
Питает слой-3 (контракт переводчик/редактор) и выбор эскалационной архитектуры.
## Дизайн (заморожен; пины оркестратора)
1. **Draft-модель = `deepseek-v4-pro`** (mistral ИСКЛЮЧЁН — судейская семья, D13.3).
2. **ДВА арма, оба обязательны:** (а) pro-draft → editor glm-5 (как A0); (б) **pro-draft +
do-nothing (БЕЗ редактора)** — против ложного null: glm может пере-ломать то, что черновик
починил (T-inv — editor-модельное свойство, D38).
3. **Сравнение с A0** (flash-draft) на ТЕХ ЖЕ чанках; скорится **верность ЧЕРНОВИКА** span-уровнем:
реюз exp14b-батареи смысл-трапов (a1 двойное-отрицание и классы) + T-inv-контроль фриза.
4. **Судьи grok-4.3 (reasoning-ON) + mistral-large**, оба порядка, 6→10, leave-one-judge-out,
катастроф-скрин; **исправленный риг**: per-vote персист, полно-evidence окна (HEAD_CHARS-класс
НЕ наследовать), gate-block≠parse-fail.
5. **Метрики:** (i) доля flash-провальных трапов, которые pro-draft чинит (span); (ii) дельта
(а)−(б): сохраняет ли редактор выигрыш черновика или ломает; (iii) COGS-дельта draft-стадии
(pro ×3.1 дороже flash — по фриз-ценам, долина).
6. **Решающее правило фриза (§D5):** pro-арм ратифицируется, если чинит ≥ пре-рег доли
flash-провальных T-inv при COGS ≤ пре-рег потолка. Иначе — подтверждается editor-swap-путь (D38).
## Дисциплина
Мандат самопроверки (CLAUDE.md): ревью исполнением кода/запросов/результатов; sanity-гейт после
первых ~3 чанков генерации ДО продолжения. Per-call predicted-cost гейты; **весь спенд персистится
вкл. ad-hoc пробы** (урок D30.10-находки верификации); usage/cost по строке. Отчёт — **аддендум
§7-Q4a** в `docs/experiments/15-segmentation-empirics.md` (не коммитить) + деньги + самопроверка +
девиации. Бэкенд не трогать; `.env` не читать; выходы вне git.