230 lines
62 KiB
Markdown
230 lines
62 KiB
Markdown
# 07 — Стратегическое ревью архитектуры (2026-07-09)
|
||
|
||
> **⚠ Точка-во-времени 09.07 (ревизия D31, 12.07).** Аудит корректен на свою дату; с тех пор ключевые вердикты РАЗВЯЗАНЫ: «напряжение №1» (моно-редактор D1) — разрешено флипом D30.1 (билингв; налог на верность материализовался как ПАССИВНОСТЬ моно-редактора, exp12); экономика «редактор 83–90% на grok» — пересчитывается (D30.4: флип +15–25%, кандидат glm-5-билингв; exp08 v3 заказан); G2 «не смоделирован» — первый замер сделан (5.3%, этап A, D24); resume-мина — реализация D15.2 идёт (D30.9); 18+ эмпирика — закрыта (D22.1); «чистый ключ» — снят (D27). §6–9 читать вместе с картой актуальности в шапке D-лога.
|
||
|
||
**Мандат:** `docs/archive/prompts/STRATEGIC_REVIEW_SESSION_PROMPT.md` — независимый аудит «от корней к цели» по пяти направлениям. Это ревью о том, держится ли замысел end-to-end, а не о багах в строчках.
|
||
**Метод:** адверсариальный мультиагентный воркфлоу: 14 параллельных сборщиков (8 репо-аудиторов по подсистемам: доки / ресёрч / эксперименты / код пайплайна / код памяти / платформа / eval; 6 веб-ресёрчеров SOTA-2026) → 9 независимых refute-by-default верификаторов на спорных/несущих находках (6 с исполнением временных Go-тестов на реальном коде, 3 по веб-первоисточникам). Итог верификации: **8 CONFIRMED / 1 PARTIAL / 0 REFUTED**. ~2.1M токенов субагентной работы. Каждый несущий вывод заземлён `file:line` / цитатой / URL.
|
||
**Зоны не тронуты:** `backend/`, `eval/` — только чтение (временные репро-тесты верификаторов удалены, `git status backend/` чист). `.env` не читались, refusal-корпус не открывался.
|
||
|
||
---
|
||
|
||
## TL;DR — вердикт
|
||
|
||
**Архитектура end-to-end ЦЕЛА, и внешняя наука 2026 подтверждает её сильнее, чем можно было ожидать в момент принятия решений (04–05.07).** Схема «doc-черновик → сегментный редактор с простым промптом → билингвальный судья» — это оптимум свежей систематики рефайнмента (arXiv:2605.13368) с одной несущей оговоркой: рефайнмент-оптимум статьи — С исходником, а наш редактор монолингвален (см. §4.2); чанковый пайплайн с гейтами узко бьёт длинноконтекстный монолит (arXiv:2606.26040); терминологическая инъекция подтверждена WMT25; выбор DeepSeek-draft для CJK-вебновелл подтверждён DITING; недоверие LLM-судьям — тремя независимыми линиями 2026. Детерминированному no-LLM горячему пути памяти и спойлер-окнам **аналогов не найдено ни в академии, ни на рынке** — это козырь по цене и предсказуемости, а не отставание. *[⚠ Сужено D21.7 по research/15 §5: словарный слой КАК ТАКОВОЙ — массовая практика фан-стека (GalTransl/SakuraLLM/LunaTranslator — взято как учебник); при скрининге (не FTO) не найдены: спойлер-окна since/until, scene-state/voice-exemplars в MT и формула «disposition-верификация + окна + бюджет + детерминизм» целиком.]* Инженерное исполнение — выше среднего (деньги атомарны, snapshot-дисциплина системна, ревью-каскады с мутационной проверкой фиксов).
|
||
|
||
**Но целостность замысла ≠ доказанность продукта.** Все главные ставки (ядро C0–C3, моно-редактор, банк памяти, судья, 18+) сходятся в одну точку — пилот Ф2.5, — а **инструмент пилота сегодня дефектен** (эхо-контаминация memory_eval, структурно сломанная «слепота» exp04, отсутствие мощности/MDE, нарушение self-preference в панели судей — §4.5). Плюс шесть верифицированных продуктовых находок этого ревью: четыре precision/recall-дыры банка памяти, экономическая мина resume для онгоинга и выбывание DeepSeek из канала B по ToS (дефекты пилот-харнесса — сверх этих шести, см. §4.5; полная арифметика верификации — в приложении). Ни одна не опрокидывает архитектуру; несколько — меняют порядок работ до масштабирования.
|
||
|
||
---
|
||
|
||
## 1. Корни: что владелец задумал — и что с этим стало
|
||
|
||
Источник: `START_PROMT.MD` (37 буллетов V0 + дополнения V1–V3). Сводка судьбы несущих идей:
|
||
|
||
| Идея брифа | Судьба | Грунт |
|
||
|---|---|---|
|
||
| п.1–4: мультиагентный пайплайн, роли, судья-селектор | Реализовано как конфигурируемое ядро C0–C3 одного раннера; статья п.4 найдена (arXiv:2603.20324), **перевода в её задачах нет** → выбор ядра честно повешен на пилот | Р2; `research/11-gap-3`; verified: 2603.20324 без MT, «валидация людьми» там — на деле LLM-судьями |
|
||
| п.3, 12: дешёвый пайплайн, маржа | $0.69/ранобэ стандарт-микс (реальный расклад: **редактор ≈ 90% стоимости**, кэш ≈ 2% — доктрина «caching-first» опровергнута собственным exp08) | `experiments/08`; Р5 |
|
||
| п.7–8: банк памяти / глоссарий | Самая проработанная подсистема проекта: реестр рисков → схема v2 → Aho-Corasick → post-check; ставка «детерминированный no-LLM путь» академически нова и уникальна | Р3; `architecture/06`; §4.1, §4.3 |
|
||
| п.9–10: 18+, xAI | Канал B спроектирован (типизация permissive, изоляция), но **эмпирика = 0 замеров** (единственный critical этого ревью); DeepSeek из интерима выбыл по ToS 27.03.2026 | §4.6 |
|
||
| п.6: локальная GPU | Роли «спецслужбы» замерены (exp03/06); переводчиком локалка не стала (разрыв качества подтверждён), зато СПОТ-экстракция recall ~0.98 | `experiments/03`, `06` |
|
||
| п.13–14, 33: контекст вперёд/назад, референсы прошлых томов | Analyst/резюме/series-bible — **не реализованы** (Ф2); импорт референс-переводов прошлых томов (п.14) в решения лёг слабее всего из центральных идей — только Ф3 «упрощённый импорт бэк-каталога» | `02-mvp-plan:52`; §4.4 |
|
||
| п.17–18: Go, PUML | Go — самое прочно обоснованное решение (первоисточник — код vojo); PUML сделаны, но **протухли и дезинформируют** (Opus в эскалации, BYOK, нет ре-гейта) | `research/10`; §4.7 |
|
||
| п.25: телеметрия денег | Образцово: settle+checkpoint одной транзакцией (reserve — отдельной, с потолками книга/день), kill-9-инвариант, цена по фактической модели | `store/ledger.go:127-171`, `kill9_test.go` |
|
||
| п.36: MemPalace / готовое | Проверен и отвергнут обоснованно (метрики не подтверждаются) | `research/05` |
|
||
| V1.6: «как модели поведут себя на НЕзнакомом тексте» | **Предвидение владельца сбылось как методологическая дыра полигона**: вся эмпирика (пороги гейтов, выбор редактора, r-коэффициенты, memory-eval) снята на классике из претрейна; вебновелл-режим не измерен нигде | §4.5 |
|
||
| V2.1: анти-абьюз входа | Механизма нет (дешёвого детектора мисюза не заложено); потолки $ на книгу/день есть и ограничивают ущерб | `store/ledger.go:50-72` |
|
||
| V3.3: «судья над судьёй» — фронтир-аудит отчёта книги | Идея хорошая и дешёвая (батч, редко), совместима с антипаттерн-принципом «независимая модель, слепая к rationale»; в решения пока не легла — рекомендую принять в Ф2-скоуп | §6, курс-коррекция №10 |
|
||
|
||
**Оценка направления 1.** Видение дожило в узнаваемой форме; обе центральные цели владельца (точность памяти; художественность и смыслы) получили адекватные механизмы: первая — «тихое → громкое» (post-check + disposition + retrieval-state), вторая — честное «меряется только человеком» (BWS-пилот). Крупные трансформации (BYOK→EU-SaaS, выброс Anthropic) — явные решения владельца, корректно каскадированы в Р5/Р8/Р9. Слабее всего из корней прижились: референсы прошлых томов (п.14), анти-абьюз (V2.1) и «незнакомый текст» (V1.6) — последний уже стоил валидности части эмпирики.
|
||
|
||
---
|
||
|
||
## 2. Что реально построено (состояние на ff5f000)
|
||
|
||
**Код `backend/` (~9k строк + ~5k тестов).** Фаза 0 закрыта приёмкой на живых ключах; машинерия Фазы 1 в основном построена и **глубже буквы замысла**: чанкер v4 (sentence-pack, quote-depth, lossless-тайлинг, fuzz-тесты), ingest txt/epub с ruby-захватом и spine-reconciliation, disposition-классификатор (12 flag_reasons, refusal/echo ДО length — усечённый отказ не превращается в платный ретрай, `disposition.go:165-209`), coverage-гейт (порт Python-оракула бит-в-бит вплоть до U+001C-1F, `coverage.go:70-72`), single-hop эскалация с ре-гейтом и издержко-гардами (`escalation.go:63 maybeEscalate (до пакета №4 — runner.go:938-971)`), банк памяти v2 (нормализация NFKC/trad2simp/kana/ignorables, Aho-Corasick, спойлер-hard-reject, трёхсторонний disposition, decl-aware post-check, D1-инъекция dst-констрейнтов в редактора), capability-слой с fail-fast эхо-миной DeepSeek (`models.go:288-333`), деньги с at-most-once-подходом (F3 — честно незакрытый техдолг). Клеймы журнала выборочно перепроверены кодом — **сходятся** (монолингвальный editor.md без `{{text}}`, editor-pinned структурно, C2 честно заблокирован `CheckRunnable`).
|
||
|
||
**Не построено** (и не заявлялось построенным): Analyst/Terminologist/Judge, механика C2 (fan-out/селекция), NSFW-классификатор 0–3, резюме/series-bible, экспорт txt/epub/TMX, HTTP API, `tmctl status`/redrive, F3-идемпотентность, batch, streaming, нативный Gemini. Конфиг отстаёт от D3 (известный лаг, помечен интеримом): нет провайдеров gemini/openai, моделей v4-pro/glm-5.1/gemini-3.1-pro-preview, `budget_usd:0`, `permissive` не проставлен ни одному провайдеру → **канал B сейчас неконфигурируем даже формально** (`pipeline.go:246-251` fail-closed).
|
||
|
||
**Полигон `eval/`.** 9 экспериментов; сильнейшие — exp06 (156 health-верифицированных записей, детерминированные метрики) и exp07 (0 FP/57, Go↔Python паритет — перепроверен прогоном тестов этим ревью). Пилот-харнесс (declmetric + memory_eval) — валидный скаффолд, но не решающий инструмент (§4.5).
|
||
|
||
**Оценка направления 2.** Реализация дисциплинированная, ревью-каскады (селфревью → внешнее → 44-агентное) реально ловили major-классы до продакшена. Но каскады не безошибочны: это ревью нашло 4 подтверждённых исполнением дыры банка памяти, из которых одна (**sticky-апгрейд**) была ранее **ложно отсеяна 44-агенткой 0/3** — рациональ отсева («sticky несёт установленный в сцене термин») не проверялась на коллизионном входе. Значит и остальные ~10 отсеянных кандидатов прошлых ревью заслуживают выборочной перепроверки.
|
||
|
||
---
|
||
|
||
## 3. Направление: фазы, последовательность, дыры гейтирования
|
||
|
||
Курс (издательское качество / память серии / 18+ / низкий COGS → фазы 0–3 + пилот Ф2.5) — здравый, и главный принцип («всё спорное решает пилот, ставки не морозятся») соблюдён. Дыры последовательности:
|
||
|
||
1. **Приёмка Фазы 1 стоит на конфигурации, валидируемой только в Ф2.5.** Дефолт-редактор grok-4.3 выбран в билингвальном режиме, боевой — монолингвальный; D3 сам фиксирует «рейтинг строго не перенесён». При этом редактор = 89–90% COGS, и ветки «пилот флипнул редактора» в плане нет (gemini-редактор умножает стандарт-микс в разы).
|
||
2. **B6 (Палладий/Поливанов) — Фаза 2, а приёмочная книга ja→ru — Фаза 1**: гейт ≥98% консистентности пройдёт книга с систематически неверными, но консистентными именами. Ruby-захват уже даёт ground-truth для механической Поливанов-валидации (`architecture/06:107`) — валидатор дешевле, чем кажется.
|
||
3. **In-house memory-eval объявлен обязательным (06 §финал), но не гейтит ни одну фазу** — банк v2 построен до замера. Смягчено low-regret-структурой (флипается режим инъекции, не схема), но исход «random-arm покажет вред» ветки в плане не имеет.
|
||
4. **Дорожка данных — негейтящаяся критическая зависимость пилота**: 25–35 глав с приватными эталонами + 3–5 глав вебновелл (просьба полигона от 05.07) не имеют ни одного промежуточного чекпоинта; их срыв тихо сдвигает главное решение проекта.
|
||
5. **02-mvp-plan — мёртвый приёмочный контракт**: пороги $0.6/$5 сняты D11, интерим-18+ построен вокруг удалённого Anthropic и снятых GLM/Kimi, Фаза 0 требует «нативный Anthropic-адаптер» против Р1-DEPRECATED, Фаза 3 несёт отменённые BYOK/ЮKassa. Известный лаг — но это единственный документ фаз, и MVP рискуют принимать по неписаным критериям.
|
||
6. **Фаза 2 перегружена**: ~25 механизмов из 04-unhappy-paths + net-new из D-лога (NSFW-роутер, судья, C2/C3, сайдкар, batch, eval-харнесс) в 3 недели без ре-бейслайна горизонта; «Следствия для плана» из 04 (Annotator, MQM-словарь судьи с первого дня, alignment-защита рефренов) в план так и не легли.
|
||
|
||
---
|
||
|
||
## 4. Правильно ли построенное? (главный вопрос)
|
||
|
||
### 4.1 Что ПОДТВЕРЖДЕНО — архитектурные ставки против науки-2026
|
||
|
||
| Ставка проекта | Внешнее подтверждение (2025–2026) |
|
||
|---|---|
|
||
| C1: doc-черновик → **сегментный** редактор, **простой** промпт | arXiv:2605.13368 (Amazon/UvA/Cambridge, 9 LLM × 7 пар, вкл. en→ru): doc-MT + seg-refinement — оптимум; простой general-промпт > error-specific и evaluate-then-refine |
|
||
| Чанки + гейты + глобальное ревью vs «монолит с длинным контекстом» | arXiv:2606.26040 (Karpinska et al.): агентный пайплайн с acceptance-гейтами узко бьёт one-pass GPT-5.4/Gemini 3.1 Pro; SEGALE (EMNLP 2025): модели ломаются задолго до заявленного окна; SagaScale: lost-in-middle с 65–100k |
|
||
| Терминологическая инъекция глоссария | WMT25 Terminology Findings (peer-reviewed, вкл. en→ru): правильная терминология стабильно поднимает и term accuracy, и общее качество, «особенно у хороших MT» |
|
||
| Soft-инъекция + decl-aware post-check, запрет hard replace | Классика 2106.12398 + WMT25-обзоры: жёсткие констрейнты деградируют флективные языки; лемма-констрейнты + инфлексия моделью — лучший режим. Собственный E1-замер (full-decl 0% / base-only 67% ложных) совпадает с внешними данными |
|
||
| «Лучше ничего, чем мусор», disposition, отказ от эмбеддингов в горячем пути | REAL-MT (AAAI 2026): шумный retrieved-контекст роняет перевод, модели рационализируют мусор, уверенность↑ точность↓ |
|
||
| DeepSeek как draft для CJK-вебновелл | DITING (18k экспертных пар вебновелл): DeepSeek-V3 — самый верный и стилистически связный из 14 моделей; китайские модели бьют более крупные западные |
|
||
| reasoning OFF на draft/editor, reasoning на judge/эскалации | arXiv:2510.06471: TTS в прямом переводе — плато/вред, в пост-эдите — надёжная польза; EMNLP 2025 «Please Translate Again»: step-by-step не помогает |
|
||
| Недоверие LLM-судьям, человеческий BWS-пилот | LAIT: судьи/автометрики анти-коррелируют с читателями (τ до −0.318 у COMETKiwi, −0.124 у LLM-судьи); NAACL 2025: BWS находит человеческий перевод в 80–100% vs ≤20% у метрик |
|
||
| Детерминированный no-LLM горячий путь; спойлер-окна | **Аналогов не найдено** ни в академии (вся память — LLM-driven: DelTA, Loong, G²C-MT), ни на рынке (LLM-глоссарии без окон и морфологии). Это оригинальный вклад и козырь по цене; head-to-head качества никто не мерил — гейтится нашим пилотом, как и решено |
|
||
| Детект «тихих вырезаний» (excision) | Индустрия различает hard/soft-цензуру (2504.03803), но у коммерческих лидеров детекта тихого выпиливания не видно — редкая фича |
|
||
| Экономика | $0.69/ранобэ против $100 GlobeScribe и $8–25k человеческого перевода; на два порядка ниже ближайшего полного автомата |
|
||
|
||
Отдельно: **два новых нетрекнутых дока** (`12-architecture-as-antipattern.md`, `12-common-failures.md`) в основном **конвергентны с уже принятыми решениями** (hard gates ≈ детерминированные гейты; versioned decision store ≈ glossary_revisions; uncertainty-объект ≈ disposition/gender=hidden; спойлер-окна ≈ since/until; ре-валидация финала ≈ post-check финального вывода). Их провенанс не зафиксирован (стилистически — вставленные ответы внешней LLM, без даты/метода/ссылок у второго); если модель получала контекст проекта, «конвергенция» частично циркулярна. Три их реальные точки напряжения — моно-редактор, rewrite-vs-patch, self-preference судьи — разобраны ниже; центральное их число (падение accuracy при monolingual polish) верифицировано этим ревью по первоисточнику. **Рекомендация:** пометить провенанс в шапках обоих файлов, абсорбировать содержимое только через верификационный пасс (числа «85.7→76–78» и пр. — без источника).
|
||
|
||
### 4.2 Напряжение №1: монолингвальный редактор (D1) — теперь с измеренной ценой
|
||
|
||
Самый острый удар и нового дока, и науки. Верифицировано по PDF arXiv:2605.13368 (Tables 3, 21–23): **монолингвальный рефайнмент теряет accuracy уже на ПЕРВОМ проходе** у всех 6 моделей (−2.2…−5.6 MQM; DeepSeek-V3 −2.7; к 4-й итерации до −12.4 у слабых), при этом **general-рефайнмент С исходником даёт тот же fluency-гейн при accuracy ~flat и лучшем overall**. Пары включают en→ru. Проект дыру знал (D1.1: «приёмка Фазы 1 не содержит критерия верности»), но теперь она измерена извне: это не гипотетический вакуум, а систематический налог.
|
||
|
||
При этом:
|
||
- **Сильная форма D1 («исходник в контексте редактора ⇒ кальки») подтверждений в литературе 2025–26 не имеет** — кальки документированы как болезнь драфта, а на стадии рефайнмента исходник работает страховкой точности.
|
||
- Экономический довод D1 слаб: билингвальный редактор = +15–20% стандарт-микса (exp08:91) ≈ **+$0.10–0.14 на ранобэ**.
|
||
- Митигции реальны, но частичны: dst-констрейнты редактору внедрены, post-check валидирует финал, редактор single-pass; class «same-length mistranslation / потеря отрицания / перепутанный субъект» (по 12-common-failures §16 — самые фатальные для публикации) до билингвального судьи Ф2 не ловит **ничто**.
|
||
|
||
**Вывод:** D1 не «неправильное решение», а недоиспытанное — притом что дешёвая альтернатива (тот же редактор с исходником и простым промптом) по внешним данным доминирует. В пилоте сейчас есть только моно-бейкофф моделей (exp09 §7-bis); **арма «моно vs билингв на одной модели» нет — добавить обязательно** (курс-коррекция №2).
|
||
|
||
### 4.3 Напряжение №2: банк памяти — ядро чисто, границы доверия дырявы (4 verified-находки)
|
||
|
||
Ядро (F1-хэш, нормализация, спойлер, детерминизм, инъекционная поверхность) прошлыми ревью и этим — подтверждено чистым. Новые находки, каждая **воспроизведена исполнением** временного Go-теста на реальном коде:
|
||
|
||
1. **[major] Полисемия same-src не разрешается горячим путём.** Две approved-записи `(src, sense₁→dst₁, sense₂→dst₂)` легальны для схемы и сида (memseed_test.go:100-103 их прямо благословляет), но матчер инжектит **обе как CONFIRMED** (противоречивые авторитетные строки — ровно A2-класс «ошибочная инъекция», 🔴 реестра), а post-check даёт **гарантированный confirmed-miss** при любом выборе модели → с включённым `postcheck_gate` каждый чанк с этим src детерминированно флагуется и теряет FinalText (livelock-эффект: ретраи бесполезны). Односимвольные (道) спасены A3-баном; поражены src ≥2 иероглифов. Фикс: fail-loud на пересекающихся окнах разных sense ИЛИ даунгрейд обоих в AMBIGUOUS. (`memory.go:198-204,299-306`; `mempostcheck.go:63-75`; `memseed.go:155-163`)
|
||
2. **[major] Sticky апгрейдит collision-prone AMBIGUOUS → CONFIRMED через чанк.** Коллизионный матч (3-kana внутри чужого слова) кладёт id в activeIDs без учёта disposition (`memory.go:323`); в следующем чанке sticky даёт status-based → CONFIRMED (`memory.go:391-398`), минуя post-check (sticky исключён) и попадая в редакторские канонические констрейнты. Окно ограничено (2 чанка, ресет по главе), но это молчаливый апгрейд доверия в зоне «неверная инъекция = главный источник тихой деградации». **Прошлое 44-агентное ревью отсеяло это 0/3 по непроверенной посылке** — ложно-негативный отсев. Фикс тривиален: наследовать disposition в sticky-кэрри.
|
||
3. **[major] Source-матч без word/script-границы для фонетических ключей ≥4.** `rose` (approved) срабатывает CONFIRMED внутри `roseanne`/`roses`; 4-kana ключ — внутри компаунда. Collision-даунгрейд покрывает только ≤3 (`memory.go:62-64`), Aho-Corasick границ не знает (`memory.go:552-581`), target-сторона границу имеет — асимметрия.
|
||
4. **[major, частично задокументированный дефер] Ruby-чтение не становится матчимой поверхностью.** Для ручных терминов чтение выбрасывается (`memseed.go:217-220`), у auto-кандидатов surfaces строятся только при непустом dst (`memory.go:167-173`) → ja-чанки, где имя написано каной (すずき после ввода 鈴木), дают 0 матчей. Для приёмочной ja→ru книги D9 это recall-дыра класса «тихо пусто»; обход — ручные kana-alias в сиде (внести в чек-лист подготовки книги), закрытие — B6/шаг Ф2.
|
||
|
||
Плюс невыполненные валидации, признанные самим кодом: kana min-key=3 — «консервативный дефолт до замера»; C4-автозаполнение `decl` (LLM-вызов на коммите термина) не реализовано → recall post-check висит на ручной полноте decl (E1: base-only 67% ложных); G1-автопопуляция и G2-ёмкость человека — по-прежнему немоделированные опоры (см. §4.6).
|
||
|
||
### 4.4 Напряжение №3: экономика resume несовместима с онгоингом (verified)
|
||
|
||
`snapshotID` вшит в `RequestHash` каждого вызова (`render.go:212-214`), lookup чекпоинтов — только по request_hash → **любое** изменение снапшота (флип coverage-гейта D12/Q4, toggle postcheck_gate, бамп classifierVersion, **append approved-терминов онгоинг-книги** через memoryVersion, даже правка инертной ручки stm_depth) после `--resnapshot` переоплачивает **всю книгу**, включая байт-идентичные запросы — воспроизведено исполнением (2→4 оплаченных вызова на wire-идентичных телах). Комментарии `snapshot.go:24-32 (до пакета №4 — runner.go:156-160)` и `coverage.go:29-33` обещают «re-classify from checkpoint for FREE / no re-bill» — **ложь** вне неизменного снапшота; механизм честного content-addressed reuse (msgsContentHash, `render.go:233-249`) существует, но заперт условием `cs.SnapshotID == snapID`. Вдобавок **нет redrive флагнутых** (D12 требует; tmctl умеет только translate|report) — единственный способ переатаковать один echo-флаг стоит переоплаты книги.
|
||
|
||
Дизайн «снапшот = тотальная инвалидация» безопасен от тихих расхождений (гейт громкий), но **экономически ломает флагманский сценарий** — онгоинг-вебновеллу с живым глоссарием («ИИ-фабрики», Р9): каждое подтверждение пачки терминов на границе тома = пере-покупка всех готовых глав. До Ф1.5/онгоинга нужен либо content-addressed слой переиспользования чекпоинтов, либо селективный redrive; немедленно — поправить лгущие комментарии, чтобы флип гейта не сделали в ожидании $0.
|
||
|
||
### 4.5 Напряжение №4: эмпирическая база тоньше своих заголовков
|
||
|
||
- **Претрейн-контаминация — системное свойство всего корпуса**: Лу Синь/Акутагава/Дадзай/Уэллс с каноническими переводами в претрейне. Наблюдаемые следствия в данных: C0 без глоссария частично выдаёт канонические имена (дельта C1−C0 сжата), в C3 модель «поправляет» неверный глоссарий на канон (вред инъекции занижен), deepseek эхает классику 13/24. Владелец предвидел это в V1.6.
|
||
- **exp04 («слепой» бейк-офф редакторов) — слепота структурно сломана (verified):** маппинг A/B/C/D фиксирован на всех фрагментах; ключ с именами моделей и ценами был **в том же артефакте во время оценки** (git: билдер ce71a1a 04.07 19:26 сразу с reveal-секцией; док с завершённой оценкой — 87b92ba 18:47); оценивали не люди, а два LLM-судьи, и в их наблюдениях фигурирует «~13 с» — цифра, существующая только в COST-таблице за ключом. «Два судьи сошлись независимо» — не корроборация при общей деанонимизируемой странице. Страхуют выбор grok только объективные латентность/цена и моно-рука пилота.
|
||
- **memory_eval — решающий инструмент memory-ставки контаминирован (verified):** consistency скорит весь выход, модель эхает глоссарий-преамбулу (3 из 20 точек доказуемо, 12 непроверяемы — сохранены только 160-символьные превью); вывод «C1≈C2» переживает дефект, но **C3-деградация ЗАНИЖЕНА** (chunk1 C3 надут эхом с 0.667 до 1.0; реальный C3 ≤0.60) — т.е. замер центрального страха владельца сейчас недостоверен в сторону «вред меньше», что парадоксально усиливает кейс за post-check/disposition.
|
||
- 18+ — **ноль замеров** (exp02 SFW-часть = контроль ложных срабатываний); r-коэффициенты — по одной паре на направление; rf Gemini не измерен (все премиум-числа условны); think-качество — N=1 фрагмент; сырые данные exp02 перезаписаны ре-раном (провенанс-нарушение, смягчено перевалидацией exp07).
|
||
|
||
### 4.6 Напряжение №5: человеческая петля и 18+ — немоделированные опоры
|
||
|
||
Почти каждая защита кончается «флаг → человеку», но: G2 (flag-rate × throughput) не смоделирован (❌ реестра), в компонентах нет ни человеческого узла, ни очереди ревью; безлюдный режим «auto→approved автоматом» (Р7) в сочетании с качеством авто-рендера dst (zh 0.26 локаль / 0.75 облако-топ, exp06) превращает неверифицированные рендеры в авторитетные инъекции — ровно механизм A2. Индустрия-2026 конвергировала на human-in-the-loop с UI (Mantra, Nuanxed); полный автомат репутационно токсичен (GlobeScribe).
|
||
|
||
**18+ (канал B)** — заявленный дифференциатор с нулевой эмпирикой, и поле сдвинулось:
|
||
- **DeepSeek выбыл из интерима канала B**: ToS (upd 27.03.2026) §3.4(5) прямо запрещает «pornographic, obscene, or sexually explicit (e.g., sexual chatbots)» — verified по первоисточнику. D3-интерим «DeepSeek офиц. + локальная abliterated» в explicit-части невалиден.
|
||
- xAI: adult-текст допустим (AUP без бланкетного запрета; запрещены CSAM и порно реальных лиц), позиция стабильна на 09.07 — но **«цитата Маска про R-rated текст» в наших доках неточна**: заявление 12.03.2026 касалось Grok Imagine (картинки). Опора — AUP, не цитата.
|
||
- **Mistral (Usage Policy eff. 11.06.2026) — новый кандидат в фолбэк канала B**: бланкетного запрета adult-текста нет (только CSAM/NCII/эксплуатация) — verified по первоисточнику. Появился реальный способ снять одно-провайдерность канала B.
|
||
- Уровень 3 (жёсткая линия) держится на **неспецифицированном локальном классификаторе без метрики приёмки** — для продукта с 18+-дифференциацией это самая недокапитализированная safety-ставка (false-negative = запрещённый контент уходит провайдерам под ключами владельца).
|
||
|
||
### 4.7 Дрейф предписывающих документов (известный лаг — но с последствиями)
|
||
|
||
По мандату ревью это НЕ подаётся как архитектурный дефект; фиксируются последствия: (а) `pipeline.puml` рисует эскалацию «Opus / Gemini Pro» и **не рисует ре-гейт** после эскалации — буквальное чтение коммитит непроверенный вывод в TM (код делает правильно); (б) `components.puml` держит Anthropic/BYOK/«≤2×» и универсальный failover, противоречащий D4; (в) superseded-баннеры стоят на 4 из ≥9 материально переопределённых ресёрч-доков (01 SAM, 02 «ru-нишу никто не обслуживает», 03 «ядро = generate-then-select», 04 «редактор GLM/Kimi/Sonnet», 09 пороги) — для проекта, работающего доко-ориентированными мультиагентными сессиями, это операционный риск регрессии решений. Владелец смотрит именно PUML — визуальный источник истины сейчас дезинформирует.
|
||
|
||
---
|
||
|
||
## 5. SOTA-2026: боли индустрии → решения → наш стек
|
||
|
||
| Боль индустрии | SOTA-ответ 2026 | Наш стек | Позиция |
|
||
|---|---|---|---|
|
||
| Консистентность имён на дистанции (жалоба №1) | Персистентные глоссарии + авто-NER (TeaNovel, Lexilit, OSS); академия — LLM-память (DelTA/Loong) | Детерминированный AC-матч + decl post-check + спойлер-окна | **Впереди по строгости/цене**; позади по автопопуляции (§ниже) |
|
||
| «Гладкая неверность» | Измерена: fluency↔faithfulness анти-коррелируют (NLP4DH 2026, 130k абзацев) | Признанный вакуум верности Ф1; билингв-судья Ф2 | Окно уязвимости реально до Ф2 (§4.2) |
|
||
| Длина/потеря контекста, «300-я глава» | SEGALE: эффективный контекст ≪ номинального; чанки+внешняя память = консенсус | Чанки 1–2k + селективная инъекция + resume | **Соответствуем**; резюме-слой (Essence) — наш Ф2-гэп |
|
||
| Цензурные вырезания | hard/soft-цензура различена; лидеры не детектят тихое выпиливание | excision-гейт (sent_cov/len_ratio) + refusal-blacklist | **Впереди** (редкая фича) |
|
||
| Ненадёжный LLM-судья | LAIT/Nine Judges/Coin Flip; анкеты (LiTransProQA τ=0.605), референс-анкоринг (CanMT) | BWS-пилот + панель + канон-якоря | Соответствуем; панель нуждается в переконфигурации (§7) |
|
||
| Стоимость книги | GlobeScribe $100; подписки $5–13/мес; Kindle Translate бесплатно (en↔5 eu-языков, **ru нет**) | $0.69/ранобэ | **Впереди на порядки**; давление снизу от бесплатного сырца |
|
||
| Пре-анализ книги / автоглоссарий | Табличная ставка всех стартапов (NER по 7 категориям, вывод пола) | Только ручной сид + ruby-кандидаты; дизайн G1 есть (спот=локаль 0.98 / рендер=облако) | **Позади** — главный продуктовый гэп |
|
||
| Измеримый translationese | T-index (EMNLP 2025, 0.5B-модели — влезает в наш стенд); POS/dependency-классификаторы (F1=93%) | Нет измеримого гейта | **Позади** — готовое дешёвое решение мимо нас |
|
||
| Human-in-the-loop UI | Mantra/Nuanxed/Lexilit — стандарт издательских пайплайнов | Нет (флаги в отчёте) | Позади (по плану — Ф3/IDE; для B2B критично раньше) |
|
||
| ru-таргет | Академия: пары zh/ja→ru не покрыты (WMT-лит. трек умер после 2024); рынок RU стагнирует (Rulate/MLate/VseGPT без итераций); EN-лидеры ru не делают | Наша ниша | **Окно открыто**; BWS-данные пилота zh/ja→ru — потенциально уникальный актив |
|
||
|
||
**Готовые решения, мимо которых не пройти:** Pearmut (открытый инструмент человеческой оценки с attention-checks — вместо самописного BWS-тулинга), банк вопросов LiTransProQA для судьи-анкеты Ф2, оси DITING для рубрик, Bradley-Terry-агрегация (JP-TL-Bench), LAIT-датасет для калибровки судей, LTCR/HHI как сопоставимые с литературой метрики консистентности, Mistral для канала B, T-index в офлайн-телеметрию.
|
||
|
||
---
|
||
|
||
## 6. Вердикт целостности end-to-end
|
||
|
||
**Прямые ответы на четыре затравки пресс-теста мандата:**
|
||
- **Судья — bottleneck (Р10№1): ставка generate-then-select НЕустойчива как самостоятельная и устойчива только как гейтящаяся пилотом.** Наука-2026 ужесточила картину сверх Р10№1: судьи анти-коррелируют с читателями на литературе (LAIT), панель из 9 ≈ 2 эффективных голоса (2605.29800), одиночный вердикт нестабилен (13.6% флипов, 2606.13685), судья с хорошей средней корреляцией проваливает best-of-N (67% ничьих, 2603.12520), а единственный литературный замер selection-vs-refinement ставит селекцию на последнее место на гомогенных кандидатах (LitMT). Снятие C2/C3 при провале κ-валидации — легитимный и вероятный исход пилота; C1 — фаворит априори.
|
||
- **Детерминированный no-LLM горячий путь: ставка жива и уникальна** — механизм терминологической инъекции подтверждён (WMT25), шумный retrieval опасен (REAL-MT), аналогов детерминированного пути не найдено *[сужено D21.7: не найдено при скрининге, не FTO — уникальна формула с disposition-верификацией/окнами/бюджетом; сам словарный слой — практика фан-стека; research/15 §5]*; go/no-go корректно гейтится memory-eval'ом пилота, который перед этим надо починить (§4.5).
|
||
- **Монолингвальный редактор D1: приемлемость для Фазы 1 — да, для продукта — недоказана и внешне оспорена** (§4.2); решает добавленный пилот-арм «моно vs билингв».
|
||
- **Нерешённое ядро C0–C3: риск неверного выбора управляется правильно** (четыре конфига одного раннера, human-BWS пилот, C2 честно заблокирован в коде до механики) — при условии гетерогенных кандидатов для C2 и починки харнесса; иначе пилот предрешён.
|
||
|
||
**Замысел держится.** Каркас (конфигурируемое ядро + детерминированные гейты + деньги/durability first-class + «всё спорное решает человек-пилот») выбран правильно и наукой-2026 подтверждён; исполнение кода дисциплинированное; экономика жива с большим запасом. Проект систематически конвертирует неопределённость в детерминированные механизмы или гейтящие пилоты — редкая и правильная дисциплина.
|
||
|
||
**Слабое место проекта — не архитектура, а доказательная база под ней**: (1) все ставки сходятся в пилот, чей инструмент дефектен; (2) один принятый контракт (D1) противоречит лучшему внешнему замеру и не имеет прямого пилот-арма; (3) один флагманский сценарий (онгоинг) экономически несовместим с текущей resume-моделью; (4) один дифференциатор (18+) не имеет ни одного замера и потерял провайдера из интерима; (5) петля «флаг → человек», на которой стоит вся safety-аргументация, не смоделирована ни по ёмкости, ни по интерфейсу.
|
||
|
||
---
|
||
|
||
## 7. Топ-риски (ранжировано)
|
||
|
||
1. **Пилот как единая точка отказа при дефектном инструменте.** Ядро C0–C3, память, судья, редактор, think — всё решается одним пилотом; его харнесс сегодня даёт ложные сигналы (эхо-контаминация memory_eval занижает C3-вред; сломанная слепота уже дала дефолт-редактора; мощность/MDE не заданы; панель нарушает self-preference; метки «C0–C3» внутри exp09 означают одновременно конфигурации ядра §3 и режимы терминологии memory-eval §6 — риск путаницы в пре-регистрации). Риск: пилот «подтвердит» то, чего не мерил.
|
||
2. **D1-моноредактор: измеренный налог на верность при нулевом контроле верности до Ф2** (arXiv:2605.13368: −2.2…−5.6 MQM с первого прохода; альтернатива с исходником — без налога и на +$0.1/ранобэ дороже). Плюс невалидированный перенос рейтинга grok на моно-режим при 90% COGS на нём.
|
||
3. **Resume-экономика ломает онгоинг** (verified): любое изменение снапшота = переоплата книги; redrive нет; комментарии кода лгут о бесплатности. Для сегмента «ИИ-фабрик» (Studio-тариф) это архитектурная мина.
|
||
4. **Границы доверия памяти**: 4 verified-дыры (полисемия/lively-lock, sticky-апгрейд, source-boundary, ruby-recall) + невалидированная kana-precision + ручной decl + немоделированные G1/G2. Ядро чисто, но именно границы производят класс A2 «авторитетная ошибочная инъекция».
|
||
5. **18+: нулевая эмпирика + сдвиг поля** (DeepSeek выбыл по ToS; концентрация на xAI с волатильной политикой; неспецифицированный классификатор уровня 3 = юридическая экспозиция).
|
||
6. **Рынок/право рассогласованы с EU-SaaS-пивотом**: SAM на 60–75% состоит из RU-тиров, монетизируемых отменёнными рельсами; юр-анализ «инструмент как Photoshop» не покрывает EU-хостинг нелицензированных исходников и warranty перед провайдерами; платежи ru-in-Russia — открыты.
|
||
7. **Доко-дрейф** (план/диаграммы/безбаннерные research) — операционный риск регрессии решений в мультиагентных сессиях; отдельная строка — ложно-негативный отсев 44-агентки (перепроверить выборочно остальные отсевы).
|
||
|
||
---
|
||
|
||
## 8. Курс-коррекции до масштабирования
|
||
|
||
**P0 — до/для пилота (гейтят валидность главного решения):**
|
||
1. Починить харнесс: memory_eval — стрип/запрет эха преамбулы, сохранение полных выходов, fidelity-ось (без неё правило C3-vs-C0 непроверяемо), переименовать memory-режимы в M0–M3; артефакт-оценки — пере-рандомизация меток по фрагментам, ключ вне артефакта; пре-регистрация MDE, числа BWS-наборов и N аннотаторов (≥3; «минимум владелец» ≠ κ).
|
||
2. Добавить арм **«моно vs билингв редактор на одной модели, простой промпт»** — прямой тест D1 (сейчас есть только моно-бейкофф моделей 7-bis).
|
||
3. C2 — только с **гетерогенными** кандидатами (разные модели; на гомогенных селекция ≈ монета — LitMT/2603.20324); панель: 2–3 семейства максимум, **11+ повторов со свапом позиций**, медианная агрегация, grok исключить из судейства grok-редактированных выходов; мерить tie-rate/top-1 within-prompt и κ против IAA людей, не «среднюю корреляцию». Взять Pearmut + Bradley-Terry.
|
||
4. Корпус вне претрейна (вебновеллы владельца) — блокер валидности не только пилота, но и уже снятых порогов/r; просьба полигона от 05.07 — поднять в приоритет.
|
||
5. Think-арм для grok-редактора требует reasoning-буфера в EstimateUSD (D6.2) — иначе экономически главный think-вопрос пилот не ответит.
|
||
|
||
**P1 — код (до боевых прогонов / онгоинга):**
|
||
6. Память: полисемия — fail-loud на пересекающихся окнах разных sense или даунгрейд в AMBIGUOUS; sticky — наследовать disposition; source-boundary для фонетических ключей ≥4; ruby-reading → auto-alias (или задокументированный чек-лист «kana-alias руками» для ja-книг); замерить kana-precision (расширение E1).
|
||
7. Resume: спроектировать content-addressed reuse чекпоинтов (msgsContentHash уже есть) или селективный redrive **до** онгоинг-режима; `tmctl status` + redrive (D12-хвосты); немедленно — исправить лгущие комментарии `snapshot.go:24-32 (до пакета №4 — runner.go:156-160)`/`coverage.go:29-33`; бампнуть edit `prompt_version` (D1-уточнение №3 не исполнено — один лейбл на два SHA).
|
||
8. Канал B: убрать DeepSeek из explicit-части интерима D3 (ToS 27.03.2026); прогнать Mistral как фолбэк (single-hop контур готов); исправить xAI-обоснование (AUP, не «цитата про текст»); explicit-корпус от владельца → 18+ руки exp02 (это единственный critical).
|
||
|
||
**P2 — стратегические (до масштабирования):**
|
||
9. B6-валидатор Поливанова по ruby-reading — **до** приёмки ja→ru (иначе гейт ≥98% меряет не то качество, которым продукт дифференцируется); морфо-гейт рода (жалоба №1 читателей) поднять из «отложено».
|
||
10. Автопопуляция G1 по уже готовому дизайну exp06 (спот=локаль, рендер=облако+Палладий) — табличная ставка конкурентов, наш главный продуктовый гэп; G2 — замерить flag-rate на первом реальном прогоне и определить владельца очереди флагов. Принять идею владельца V3.3 (фронтир-аудитор отчёта книги, батчем, редко) — дёшево и совместимо с антипаттерн-принципами; second-opinion судья чужого семейства на Gemini-эскалированных чанках (self-preference).
|
||
11. Доко-синк: обновить 02-mvp-plan (пороги, интерим-18+, фазы), перерисовать обе PUML (убрать Opus/BYOK, дорисовать ре-гейт и человека в петле), баннеры на 01/02/03/04/09, провенанс-шапки на 12-antipattern/12-common-failures; T-index — кандидат в офлайн-телеметрию Ф2.
|
||
12. Рынок/право: пересчитать SAM без RU-in-Russia тиров (или явный платёжный механизм); юр-ревизия EU-хостинга загруженных текстов + warranty-цепочки перед провайдерами; спека и метрика приёмки NSFW-классификатора уровня 3; перепроверить DeepSeek peak-hour ×2 (анонс «с середины июля»).
|
||
|
||
---
|
||
|
||
## 9. Что обязательно подтвердить пилотом Ф2.5 (сверх exp09)
|
||
|
||
1. **Ядро C0–C3** — с гетерогенными кандидатами в C2, иначе плечо предрешено против селекции.
|
||
2. **D1: моно vs билингв редактор** (same-model арм) + перенос рейтинга grok на моно (7-bis).
|
||
3. **Банк vs длинный контекст + adversarial-рука** — только после фикса эхо-контаминации; текущий индикатив занижает вред неверной инъекции.
|
||
4. **Валидность судьи**: κ против человеческого IAA, tie-rate/top-1, калибровка s*; при провале корреляции C2/C3 снимаются, и это легитимный исход.
|
||
5. **Think-ON/OFF** на draft/editor, включая grok (после reasoning-буфера).
|
||
6. **Flag-rate на главу (G2)** — первый замер человеческой ёмкости на реальной книге.
|
||
7. **Precision гейтов на вебновелл-корпусе** (перед снятием 1-флаг-толерантности) + частота эха вне претрейна.
|
||
8. **18+ рука**: refusal/excision на explicit (Grok/Mistral/abliterated), качество Grok-судьи 18+, поведение Gemini-судьи на explicit при «artistic»-контексте.
|
||
|
||
Пре-регистрация (exp09 §9) — расширить: MDE/мощность, состав панели по новым правилам, разведение имён C0–C3 (ядро) vs M0–M3 (память).
|
||
|
||
Побочная ценность: человеческие BWS-данные zh/ja→ru — данных такого типа нет ни у академии (WMT-лит. трек мёртв, пары не покрыты), ни у конкурентов; это самостоятельный актив.
|
||
|
||
---
|
||
|
||
## Приложение: метод и границы
|
||
|
||
**Собрано:** 8 репо-аудитов (все доки/эксперименты прочитаны целиком; runner.go/memory.go — построчно; ключевые тесты прогнаны), 6 SOTA-обзоров (≈90 первоисточников, arXiv/ACL/вендоры, датировано). **Верифицировано адверсариально (refute-by-default):** полисемия, ruby-alias, source-boundary, sticky-upgrade, snapshot-repay, эхо-контаминация+слепота exp04 — CONFIRMED исполнением на реальном коде/данных; mono-refinement (2605.13368 по PDF), judge-cluster (LAIT/2605.29800/2606.13685 по первоисточникам) — CONFIRMED с уточнениями атрибуции; политика канала B — PARTIAL (xAI-цитата не про текст; Mistral/DeepSeek/OpenAI подтверждены).
|
||
|
||
**Не проверено этим ревью (честные границы):** живое поведение API (кроме уже сделанных проектом проб); полный прогон `-race`; цены провайдеров на 09.07 против страниц; содержимое refusal-корпуса (гардрейл); paywalled Nature-статья (Border Town); фактическое введение DeepSeek peak-hour; юр-ревизия — поставлен вопрос, не дан ответ. Большинство внешних работ 2026 — препринты (помечено в тексте); peer-reviewed опоры: WMT25 Terminology/Findings, LiTransProQA (EMNLP), DeepTrans (TACL), SEGALE (EMNLP), M-MAD (ACL), CanMT/«Beyond Reproduction» (ACL 2026), NLP4DH 2026, PLoS One 01.2026.
|
||
|
||
**Ключевые источники направления 5:** arXiv:2605.13368 (рефайнмент), 2606.26040 (LAIT/Karpinska), 2603.20324 (When Agents Disagree), 2606.05924 (LitMT), 2510.09116 (DITING), 2510.06471 (TTS для MT), 2506.04521 (Please Translate Again), 2507.12260 (T-index), 2605.15282 (fluency↔faithfulness), 2510.00829 (REAL-MT), 2605.29800 (Nine Judges), 2606.13685 (Coin Flip Judge), 2603.12520 (best-of-N ties), 2601.02933 (Pearmut), aclanthology 2025.wmt-1.30 (WMT25 Terminology), 2025.emnlp-main.1482 (LiTransProQA), 2509.17249 (SEGALE), 2604.24361 (CanMT), legal.mistral.ai/terms/usage-policy (11.06.2026), cdn.deepseek.com ToS (27.03.2026), aihaven adult-policy tracker (05.07.2026).
|
||
|
||
**Спорные архитектурные выводы к сверке с оркестратором:** (а) рекомендация пересмотра D1 при подтверждении пилот-армом; (б) трактовка resume-экономики как блокера онгоинга (а не приемлемой цены корректности); (в) вывод DeepSeek из интерима канала B; (г) перепроверка отсевов 44-агентного ревью.
|